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13
ML・AI ワークフローのデプロイとオーケストレーション／デプロイインフラの管理推論エンドポイントで、受け取った入力にまず前処理（特徴量変換）を行い、続いて推論モデルを実行し、最後に後処理を行う、という一連の処理を 1 つのエンドポイント内で順番に実行したいと考えています。SageMaker AI で最も適した構成はどれですか。
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推論パイプライン（複数のコンテナを直列に連結した 1 つのエンドポイント）を構成する
- B前処理・推論・後処理をそれぞれ別のアカウントに分けて構築する
- Cすべての処理を 1 行の SQL で実行する
- Dバッチ変換ジョブを 3 回手動で実行する
正解：A
解説
SageMaker 推論パイプラインは、前処理・推論・後処理などの複数のコンテナを直列に連結し、1 つのエンドポイント内で順番に実行できる構成です。入力から出力までを一体で扱え、整合性と運用性に優れます。アカウント分割や SQL 一括実行、手動バッチの繰り返しは、この一連処理を 1 エンドポイントで行う要件に合いません。
選択肢ごとの解説
- A正しい。推論パイプラインは複数コンテナを直列に連結し、前処理〜推論〜後処理を 1 エンドポイントで実行できます。
- B誤り。処理ごとに別アカウントに分けるのは複雑で、1 エンドポイント内での一連処理という要件に反します。
- C誤り。特徴量変換やモデル推論を 1 行の SQL で表現することはできず、要件を満たしません。
- D誤り。手動でバッチ変換を繰り返すのはリアルタイムの一連処理にならず、運用も煩雑です。