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17
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複数回の学習試行について、使用したデータ・ハイパーパラメータ・評価指標を記録・比較し、どの試行がどのモデルを生んだかの系統（リネージ）を追跡して再現性を確保したいと考えています。最も適したものはどれですか。
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）
- AAmazon SageMaker の実験管理（Experiments）とリネージ追跡を用いる
- B試行結果を各自のローカルメモに手書きで残す
- Cモデルファイルを日付入りのファイル名で手動管理する
- DCloudFront のキャッシュに保存する
正解：A
解説
Amazon SageMaker の実験管理（Experiments）とリネージ（系統）追跡を使うと、各試行のデータ・ハイパーパラメータ・指標を体系的に記録・比較でき、どの入力がどのモデルを生んだかを追跡して再現性を確保できます（現行の SageMaker Studio では MLflow との連携も利用できます）。手書きメモや手動のファイル名管理は抜け漏れ・不整合が生じやすく、CloudFront はコンテンツ配信で用途が異なります。
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正しい。Experiments とリネージ追跡で試行を体系的に記録・比較・追跡でき、再現性を確保できます。
- B誤り。ローカルの手書きメモは抜け漏れや不整合が生じやすく、体系的な比較・追跡に向きません。
- C誤り。日付入りファイル名の手動管理はスケールせず、系統の追跡や再現性の確保には不十分です。
- D誤り。CloudFront はコンテンツ配信（CDN）で、実験の記録・追跡の用途ではありません。