A不正解
Amazon SageMaker Feature Store
Feature Store は特徴量を保存・共有・再利用するリポジトリです。
ワークフロー全体を自動化するパイプライン機能ではないため不正解です。
データ準備・学習・評価・デプロイといった一連の機械学習ワークフローのステップを、自動化された再現可能なパイプラインとして構築・実行したいと考えています。最も適した SageMaker の機能はどれですか。
1 / 1
回答を選択してください
正解B
解説
ML ワークフローを自動化するパイプライン機能を選ぶ問題。
- 1「一連の機械学習ワークフローのステップ」準備〜デプロイの 複数ステップ
- 2「自動化された再現可能なパイプライン」ワークフローの自動化＝SageMaker Pipelines
B正解
Amazon SageMaker Pipelines
正解。SageMaker Pipelines は、データ準備・学習・評価・デプロイなどのステップを、自動化された再現可能なワークフローとして定義・実行する機能です。MLOps の中核になります。
C不正解
Amazon SageMaker Data Wrangler
Data Wrangler はデータの前処理をノーコードで行うツールです。
ワークフロー全体を自動化するパイプライン機能ではないため不正解です。
D不正解
Amazon SageMaker JumpStart
JumpStart は学習済みモデルをすぐ使えるモデルハブです。
ワークフロー全体を自動化するパイプライン機能ではないため不正解です。
ポイント
正解の『SageMaker Pipelines』を押さえます。
・データ準備・学習・評価・デプロイなどのステップを、自動化された再現可能なワークフローとして定義・実行する。
・手順を毎回同じように回せるため MLOps の中核になる。
Feature Store（特徴量保存）・Data Wrangler（前処理）・JumpStart（モデルハブ）はいずれもワークフロー全体を自動化するパイプラインではなく、個々のステップやリソースに関わる機能です。