MLAMLワークフローのデプロイとオーケストレーション複数選択
MLチームは毎週実行されるSageMaker Pipelineを運用しており、前処理・トレーニング・評価・モデル登録のステップが含まれています。入力データが変わらない週は前処理ステップが毎回実行されて不要なコストが発生しています。また、評価ステップでF1スコア（※精度と再現率の調和平均で、クラス不均衡データの評価に有効な指標）が0.80以上の場合のみModel Registryにモデルを登録したいと考えています。この2つの要件をSageMaker Pipelinesのネイティブ機能で実現するために組み合わせるべき設定はどれですか？（2つ選択）
A前処理ステップにCacheConfig（キャッシュ設定）を有効化し、同一入力に対するステップ再実行を有効期限内でスキップする
✓ 正解
CacheConfigはステップ入力（パラメータ・データ）が前回実行と同一なら有効期限内でステップをスキップしキャッシュ済み結果を再利用します。入力データが変わらない週の前処理を自動的に省略でき、不要なコストを削減できます。
BSageMaker Experimentsを使用してパイプライン実行ごとにF1スコアを追跡し、スコアが基準を超えた場合に担当者がModel Registryへ手動登録する
SageMaker Experimentsはメトリクスの追跡には使えますが、登録は担当者の手動操作に依存します。要件であるパイプラインネイティブな自動条件分岐登録を満たせず、運用負荷も残ります。
C評価ステップ後にLambdaステップを追加してF1スコアをDynamoDBに保存し、Amazon EventBridgeルールでスコアを監視してModel Registry登録をトリガーする
Lambda・EventBridge・DynamoDBを組み合わせる構成はConditionStepで完結する処理を外部サービスで代替するもので不必要に複雑です。ネイティブ機能で実現できる要件に対して過剰設計です。
DConditionStep（条件分岐ステップ）とConditionGreaterThanEqualTo条件を使用して、F1スコアが0.80以上の場合のみモデル登録ステップが実行されるよう分岐を定義する
✓ 正解
ConditionStepはパイプラインネイティブの条件分岐機能で、ConditionGreaterThanEqualToによりF1スコアが0.80以上の場合のみモデル登録ステップを実行する分岐を定義でき、要件を満たします。
解説
正解：前処理ステップにCacheConfig（キャッシュ設定）を有効化し、同一入力に対するステップ再実行を有効期限内でスキップする、ConditionStep（条件分岐ステップ）とConditionGreaterThanEqualTo条件を使用して、F1スコアが0.80以上の場合のみモデル登録ステップが実行されるよう分岐を定義する。
SageMaker PipelinesのCacheConfigは、ステップへの入力（パラメータ・データ）が前回実行と同一である場合、指定した有効期限内であればステップをスキップしてキャッシュ済み結果を再利用し、計算コストと実行時間を削減します。ConditionStepはパイプラインネイティブの条件分岐機能で、ConditionGreaterThanEqualToなどの条件クラスを利用してモデル評価指標に基づき後続ステップの実行・スキップを制御できます。
選択肢BはSageMaker Experimentsを使用してパイプライン実行ごとにF1スコアを追跡し、スコアが基準を超えた場合に担当者がModel Registryへ手動登録する方式では自動修復が実現できません。
選択肢CはLambdaやEventBridge・DynamoDBを組み合わせる構成は不必要に複雑であり、SageMaker Pipelinesのネイティブ機能で実現できる要件に対して過剰な設計です。
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 →