MLAMLワークフローのデプロイとオーケストレーション
大手金融企業のMLプラットフォームチームは、開発AWSアカウントでトレーニングしたモデルを本番AWSアカウントにデプロイする際に、コンプライアンス担当者による承認ゲートを設けたいと考えています。モデルのバージョン管理・承認ワークフロー・クロスアカウントデプロイを最も効率的に実現するアーキテクチャはどれですか？
A開発アカウントのS3にモデルアーティファクトを保存し、本番アカウントのエンジニアが手動でCreateModel APIを呼び出してエンドポイントを作成する
（S3手動コピー）は、承認ゲートとバージョン追跡が欠如しており、コンプライアンス要件を満たしません。
BSageMaker Model Registryにモデルバージョンを登録し、コンプライアンス承認後にクロスアカウントIAMロールで本番SageMakerエンドポイントへデプロイするパイプラインを構築する
✓ 正解
SageMaker Model Registryはクロスアカウント共有をサポートし、モデルバージョンのライフサイクル（PendingManualApproval→Approved/Rejected）を一元管理できます。承認後はクロスアカウントIAMロールで本番アカウントに直接デプロイ可能です。
CAWS CodePipelineでモデルファイルをクロスアカウントS3バケットにコピーし、本番環境で別のモデルレジストリに再登録してからデプロイする
（CodePipelineでS3にコピーして再登録）は、開発側のModel Registryで管理している承認ワークフローと連携する仕組みがなく、モデルバージョンの一元管理と承認ゲートを効率的に実現できません。
DAmazon ECRのパブリックリポジトリにモデルコンテナをプッシュし、本番アカウントからプルしてデプロイする
（Amazon ECRのパブリックリポジトリ）は、承認ゲートとバージョン追跡が欠如しており、コンプライアンス要件を満たしません。
解説
SageMaker Model Registryはクロスアカウント共有をサポートし、モデルバージョンのライフサイクル（PendingManualApproval→Approved/Rejected）を一元管理できます。承認後はクロスアカウントIAMロールで本番アカウントに直接デプロイ可能です。
選択肢A（S3手動コピー）は、承認ゲートとバージョン追跡が欠如しており、コンプライアンス要件を満たしません。
選択肢C（CodePipelineでS3にコピーして再登録）は、開発側のModel Registryで管理している承認ワークフローと連携する仕組みがなく、モデルバージョンの一元管理と承認ゲートを効率的に実現できません。
選択肢D（Amazon ECRのパブリックリポジトリ）は、承認ゲートとバージョン追跡が欠如しており、コンプライアンス要件を満たしません。
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 →