MLAMLソリューションの監視、メンテナンス、セキュリティ
大企業のMLプラットフォームチームが「MLハブ」専用AWSアカウント（アカウントA）でモデルのトレーニングと品質承認を一元管理し、承認済みモデルを本番環境の別AWSアカウント（アカウントB）にデプロイするMLOpsプロセスを構築しています。アカウントAで管理するモデルパッケージをアカウントBのCI/CDパイプラインから安全に参照してデプロイできるようにする最も適切な方法はどれですか？
AアカウントAのS3バケットにモデルアーティファクトを保存し、クロスアカウントバケットポリシーでアカウントBに読み取り権限を付与してアカウントBのSageMakerがアーティファクトをダウンロードできるようにする
S3クロスアカウントポリシーによるアーティファクト共有はシンプルだが、モデルバージョン管理・承認ステータス・メタデータなどModel Registryが提供するMLOpsガバナンス機能が活用できず、CI/CDパイプラインとの統合として不完全になる。
BSageMaker Model Registry のモデルパッケージグループにリソースベースポリシーを設定して、アカウントBのIAMプリンシパルがモデルパッケージの参照・ダウンロードを行えるクロスアカウントアクセスを実現する
✓ 正解
Model Registryのリソースベースポリシーによるクロスアカウント共有はSageMakerのネイティブ機能であり、モデルのバージョン管理・承認ワークフロー・メタデータを維持しながらアカウントBからのモデル参照とデプロイを安全に実現できる。
CAWS Resource Access Manager（RAM）を使用してアカウントAのSageMakerモデルパッケージグループをアカウントBと共有し、RAMが管理するアクセス権限を通じてデプロイを可能にする
AWS Resource Access ManagerはVPC・サブネット・Route 53ルール・License Managerライセンスなどのインフラリソース共有を目的とするサービスであり、SageMaker Model Registryのモデルパッケージグループのクロスアカウント共有をネイティブにサポートしていない。
DアカウントAでモデルをDockerコンテナイメージとしてパッケージ化してECRに登録し、ECRクロスアカウントレプリケーション機能でアカウントBのECRにイメージを複製してデプロイする
ECRクロスアカウントレプリケーションはカスタムコンテナイメージ配布に有効だが、SageMakerモデルアーティファクト（.tar.gz）とは管理レイヤーが異なり、Model Registryの承認ワークフロー・バージョン管理と統合されないため管理が分散する。
解説
SageMaker Model Registry はモデルパッケージグループにリソースベースポリシー（S3バケットポリシーと同様の仕組み）を設定することで、クロスアカウントでのモデルパッケージ共有をネイティブにサポートしている。アカウントAのモデルパッケージグループにアカウントBのIAMロールへのsagemaker:DescribeModelPackageなどの権限を付与することで、アカウントBのパイプラインからモデルパッケージを参照し、承認ステータス・メタデータを確認しながらエンドポイントデプロイまで一貫して実行できる。モデルのバージョン管理・承認ワークフロー・メタデータもすべてModel Registryで一元管理される。
選択肢AのS3クロスアカウントアクセスはアーティファクトの転送には有効だが、Model Registryのモデルバージョン管理・承認ワークフロー・メタデータ管理の機能が失われ、MLOpsガバナンスとして不完全。
選択肢CのAWS Resource Access Managerは主にVPC・サブネット・Route 53などのインフラリソース共有向けであり、SageMaker Model Registryのモデルパッケージグループのクロスアカウント共有には対応していない。
選択肢DのECRクロスアカウントレプリケーションはコンテナイメージ配布に有効だが、モデルアーティファクト（.tar.gz形式）の管理とは別レイヤーであり、承認ワークフローやバージョン追跡がModel Registryと分離してしまう。
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 →