MLAMLモデルの開発
あるスタートアップが、社内ドキュメントを対象とした質問応答システムを構築しようとしています。ML の専門家が社内に少なく、大規模言語モデル（LLM）を一から学習させるリソースはありません。短期間で高品質なモデルを用意し、自社ドキュメントに合わせてファインチューニング（fine-tuning：事前学習済みモデルを特定タスク向けに追加学習する手法）したいと考えています。最も効率的なアプローチはどれですか？
ASageMaker Autopilot を使用して、社内文書データセットから自動的に最適な NLP モデルを構築する
（SageMaker Autopilot）は、AutoMLサービスであり、テキスト分類などの一部のNLPタスクでLLMファインチューニングをサポートしていますが、社内文書を対象としたオープンエンドな質問応答システムの構築には適していません。
BSageMaker JumpStart で公開されている事前学習済みの質問応答基盤モデルを選択し、社内文書でファインチューニングしてデプロイする
✓ 正解
SageMaker JumpStart は、Hugging Face・Stability AI・AI21 Labs などの事前学習済み基盤モデルを提供し、数クリックでファインチューニングとデプロイが可能です。ML 専門知識が限られた組織でも迅速に高品質なモデルを導入できます。
CAmazon Comprehend のカスタムエンティティ認識機能を使用して、社内文書の質問応答を実装する
（Amazon Comprehend）は、エンティティ認識・感情分析などのNLP解析タスクに特化しており、カスタム質問応答システム全体を構築する機能は提供していません。
DHugging Face のモデルをゼロから SageMaker Training Job でトレーニングし、カスタムエンドポイントにデプロイする
（Hugging Face のモデルをゼロからトレーニング）は、高度な専門知識と大量のリソースを要します。
解説
SageMaker JumpStart は、Hugging Face・Stability AI・AI21 Labs などの事前学習済み基盤モデルを提供し、数クリックでファインチューニングとデプロイが可能です。ML 専門知識が限られた組織でも迅速に高品質なモデルを導入できます。
選択肢A（SageMaker Autopilot）は、AutoMLサービスであり、テキスト分類などの一部のNLPタスクでLLMファインチューニングをサポートしていますが、社内文書を対象としたオープンエンドな質問応答システムの構築には適していません。
選択肢C（Amazon Comprehend）は、エンティティ認識・感情分析などのNLP解析タスクに特化しており、カスタム質問応答システム全体を構築する機能は提供していません。
選択肢D（Hugging Face のモデルをゼロからトレーニング）は、高度な専門知識と大量のリソースを要します。
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 →