金融機関の分析チームが、顧客ローンのデフォルト予測（二値分類）モデルをSageMakerで開発しています。チームにはビジネスドメインの知識はありますが、MLパイプライン構築やフレームワークの深い専門知識はありません。以下の要件があります： ①複数のMLアルゴリズムと特徴量エンジニアリング手法を自動的に試して最良モデルを選択すること、 ②規制当局の審査に備え、モデル構築プロセスの全ステップをJupyterノートブック形式で確認・監査できること、 ③最終モデルの特徴量重要度レポートを生成できること。これらの要件を最も適切に満たすSageMakerの機能はどれですか？
SageMaker Autopilotは3要件をすべて満たします。 ①複数のアルゴリズムと特徴量エンジニアリング手法を自動試行してベストモデルを選択、 ②データ探索ノートブックとモデル候補定義ノートブックを自動生成しプロセスを完全可視化（監査対応）、 ③SageMaker Clarifyと連携したSHAP値ベースの特徴量重要度レポートを提供します。 選択肢BのSageMaker Canvasは、ノーコードツールでコードが生成されず監査要件を満たせません。 選択肢CのSageMaker JumpStartは、事前学習済みモデルの提供に特化しており、カスタムデータへのAutoMLではありません。 選択肢DのSageMaker Automatic Model Tuning（自動ハイパーパラメータチューニング）は、ユーザーが指定した単一アルゴリズムのハイパーパラメータのみを最適化し、アルゴリズム選択は行いません。