MLA-C02：AWS Certified Machine Learning Engineer - Associate ML・AI ワークフローのデプロイとオーケストレーション 問11
ML・AI ワークフローのデプロイとオーケストレーション／MLOps の自動オーケストレーションと CI/CD本番モデルの精度劣化（データドリフト）を検知したら、自動的に再学習パイプラインを起動して新モデルを評価・デプロイする、という運用を自動化したい。最も適した構成はどれか。
当サイトのオリジナル問題（MLA-C02：AWS Certified Machine Learning Engineer - Associateの出題範囲「ML・AI ワークフローのデプロイとオーケストレーション」に対応。実際の試験問題ではありません）
- Aドリフト検知のイベントを契機に SageMaker Pipelines の再学習パイプラインを自動起動する（EventBridge 連携）
- B担当者が気づいたときに手動で学習をやり直す
- C一度デプロイしたモデルは二度と更新しない
- D学習を行わず推論エンドポイントだけ再起動する
正解：A
解説
モデル品質/データ品質の監視でドリフトを検知し、そのイベントを（EventBridge 等で）契機に SageMaker Pipelines の再学習パイプラインを自動起動して、評価・承認・デプロイまでつなげると、精度劣化への対応を自動化できます。手動対応・更新しない運用・エンドポイント再起動は、要件を満たしません。
選択肢ごとの解説
- A正しい。ドリフト契機の再学習自動化はイベント連携＋SageMaker Pipelinesです。
- B誤り。手動対応は自動化の要件に反し、検知の遅れも生じます。
- C誤り。更新しない運用では精度劣化に対応できません。
- D誤り。エンドポイント再起動では劣化したモデルは改善しません。