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15
ML・AI ワークフローのデプロイとオーケストレーション／リソースのプロビジョニングと構成大規模な深層学習モデルの学習ジョブを、現実的な時間で完了させたいと考えています。学習に用いるインスタンスの選択として一般に最も適切なものはどれですか。
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最小の汎用 CPU インスタンス 1 台だけを使う
- Bストレージ最適化インスタンスを使う
- CGPU を備えたアクセラレーテッドコンピューティングインスタンスを使う
- Dメモリ最適化インスタンスで CPU 推論だけ行う
正解：C
解説
大規模な深層学習の学習は行列演算が中心で並列性が高いため、GPU を備えたアクセラレーテッドコンピューティングインスタンスが一般に最適で、学習時間を大きく短縮できます。小さな CPU 1 台やストレージ/メモリ最適化インスタンスは、深層学習の学習を現実的な時間で回すには計算能力が不足します。
下線の用語は 用語集 で意味を確認できます。
選択肢ごとの解説
- A誤り。最小の CPU 1 台では、大規模な深層学習の学習を現実的な時間で完了できません。
- B誤り。ストレージ最適化インスタンスは I/O 向けで、深層学習の学習計算には最適ではありません。
- C正しい。深層学習の学習には並列計算に強い GPU インスタンスが一般に最適です。
- D誤り。メモリ最適化での CPU 推論は学習ではなく推論の話で、深層学習の学習には不足します。