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18
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独自に選んだ機械学習フレームワークと、自作の推論処理コードを使ってモデルをデプロイしたいと考えています。SageMaker AI の標準の組み込みコンテナでは要件を満たせません。最も適したアプローチはどれですか。
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）
- ASageMaker ではデプロイできないため、フレームワークの利用を諦める
- B独自の推論コードとフレームワークを含むコンテナイメージ（独自コンテナ/BYOC）を用意して SageMaker にデプロイする
- Cモデルを CSV に書き出して S3 に置くだけにする
- DDynamoDB にモデルの重みを保存して推論させる
正解：B
解説
SageMaker AI では、独自の推論コードやフレームワークを含むコンテナイメージ（BYOC: Bring Your Own Container、またはスクリプトモード）を用意してデプロイでき、標準の組み込みコンテナで満たせない要件にも対応できます。フレームワーク利用を諦める必要はなく、CSV 書き出しや DynamoDB への重み保存は推論のデプロイ手段ではありません。
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。SageMaker は独自コンテナに対応するため、フレームワークの利用を諦める必要はありません。
- B正しい。独自コンテナ（BYOC）やスクリプトモードで、任意のフレームワーク・推論コードをデプロイできます。
- C誤り。CSV を S3 に置くだけでは推論エンドポイントとしてのデプロイになりません。
- D誤り。DynamoDB に重みを保存しても、推論実行の仕組み（デプロイ）にはなりません。