無限ノック › MLA 練習問題一覧 › 問題MLA MLワークフローのデプロイとオーケストレーション
あるEコマース企業のMLチームは、SageMaker Pipelinesを使ってモデルのトレーニングと評価を自動化している。実験中のモデルが本番環境に自動デプロイされることを防ぐため、MLエンジニアによる手動レビューと承認フローを導入したい。また、承認されたモデルのバージョン履歴も一元管理したい。最も適切なアーキテクチャはどれですか？
A SageMaker Experimentsでモデルの実行を追跡し、評価完了後にLambdaからSNS通知を送信。承認者がメールで返信するとLambdaがデプロイAPIを呼び出す
SageMaker Experiments＋SNSメール承認は、Experimentsがトレーニング実験の追跡用途でありバージョン管理機能を持たず、メール返信トリガーのカスタムLambdaは信頼性・監査性に欠け要件を満たせない。
B SageMaker Model RegistryにモデルをPendingManualApprovalステータスで登録し、承認者がApprovedに変更するとEventBridgeがトリガーされてSageMaker Pipelinesの後続デプロイステップが実行される
✓ 正解
SageMaker Model Registryはモデルのバージョン管理と承認ワークフローを統合するサービス。PendingManualApproval→Approvedのステータス変更をEventBridgeが検知してデプロイパイプラインを自動起動できる。モデルの系統情報（メトリクス・パラメータ・アーティファクト）もRegistryで一元管理される。
C SageMaker Pipelinesの中にConditionステップを追加し、モデルの評価指標（例：Accuracy）が閾値を超えた場合のみ自動的にデプロイステップに進む
ConditionステップはMLチームによる人手承認要件を満たせない。
D AWS CodePipelineにManual Approval Actionを追加し、承認後にBoto3スクリプトでSageMaker CreateEndpoint APIを直接呼び出す
CodePipeline連携はSageMaker Pipelinesとの統合が煩雑になる。
解説 SageMaker Model Registryはモデルのバージョン管理と承認ワークフローを統合するサービス。PendingManualApproval→Approvedのステータス変更をEventBridgeが検知してデプロイパイプラインを自動起動できる。モデルの系統情報（メトリクス・パラメータ・アーティファクト）もRegistryで一元管理される。
選択肢AのSageMaker Experiments＋SNSメール承認は、Experimentsがトレーニング実験の追跡用途でありバージョン管理機能を持たず、メール返信トリガーのカスタムLambdaは信頼性・監査性に欠け要件を満たせない。
選択肢CのConditionステップはMLチームによる人手承認要件を満たせない。
選択肢DのCodePipeline連携はSageMaker Pipelinesとの統合が煩雑になる。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでMLAを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →