MLエンジニアチームが、画像分類モデルの開発において、異なるデータ前処理手法・モデルアーキテクチャ・ハイパーパラメータの組み合わせで多数のトレーニングを並行実施しています。各実験のパラメータ・評価メトリクス・モデルアーティファクト（学習済みモデルファイル等の成果物）を一元管理し、後から任意の実験を完全再現できるようにしたいと考えています。この要件を最も効率的に満たすSageMakerの機能はどれですか？
SageMaker Experimentsは、ML実験トラッキング専用機能です。Experiment（実験グループ）とRun（個別実行）の概念でパラメータ・メトリクス・入力データ・アーティファクトを自動記録し、SageMaker Studio UIで視覚的に比較・再現できます。なお2022年以降のSDK v2ではTrial（旧API）に代わりRunが推奨されます。 選択肢Aの SageMaker Pipelinesは、本番MLパイプラインの自動化が主目的で実験比較には不向きです。 選択肢Cの CloudWatch LogsへのカスタムログJSON形式出力は、CloudWatch Logs Insights（ログ分析機能）でメトリクスを集計・比較する方法で、実験管理機能として大幅に劣ります。 選択肢Dの S3の命名規則でモデルアーティファクトを整理し、DynamoDBに実験メタデータを記録するカスタムトラッキングシステム自前構築は、実験管理機能として大幅に劣ります。