MLAMLワークフローのデプロイとオーケストレーション
ある医療系企業は、MRI画像（最大600MB）を入力として腫瘍検出を行うMLモデルをAWS SageMakerにデプロイしようとしています。以下の要件があります：
- 1画像あたりの処理時間は平均3〜8分
- 推論結果をリアルタイムで返す必要はない
- 処理完了後にAmazon SNSで通知を受け取る
最も適切なデプロイ方法はどれですか？
ASageMaker リアルタイムエンドポイント（ml.p3.8xlarge インスタンス使用）
リアルタイムエンドポイントは 60 秒のタイムアウト制限があり 8 分処理には不適切です。
BSageMaker 非同期推論エンドポイント（Async Inference）
✓ 正解
Async Inference は S3 URI で入力を指定し、1GB の入力上限内で大容量ファイルを処理可能。処理時間は最大 60 分に対応し、完了後の SNS 通知もネイティブにサポートしているため全要件を満たす。
CSageMaker サーバーレス推論（Serverless Inference）
サーバーレス推論は小規模・断続的トラフィック向けで大容量入力に不向きです。
DSageMaker バッチ変換ジョブ（Batch Transform）をリアルタイムAPIとして使用
Batch Transform はオフラインバッチ処理用であり、API 形式での呼び出しや SNS 通知のネイティブ統合には対応していません。
解説
SageMaker 非同期推論（Async Inference）は入力データを S3 URI で指定する方式を採用しており、600MB の MRI 画像も Async Inference の入力上限（1GB）の範囲内で処理可能です。処理時間も最大 60 分（1時間）に対応し、完了後の SNS 通知もネイティブにサポートしています。
選択肢Aのリアルタイムエンドポイントは 60 秒のタイムアウト制限があり 8 分処理には不適切です。
選択肢Cのサーバーレス推論は小規模・断続的トラフィック向けで大容量入力に不向きです。
選択肢DのBatch Transform はオフラインバッチ処理用であり、API 形式での呼び出しや SNS 通知のネイティブ統合には使用できません。
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 →