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7
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大量に蓄積したデータに対して、リアルタイム性は不要で、定期的にまとめてオフラインで推論を実行し結果をS3へ出力したい。最も適した推論方式はどれか。
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バッチ変換（Batch Transform。大量データを一括でオフライン推論する）
- Bリアルタイム推論エンドポイント（常時起動で1件ずつ低遅延応答）
- Cサーバーレス推論（散発的なトラフィック向け）
- D非同期推論（大きなペイロードの単発処理）
正解：A
解説
バッチ変換（Batch Transform）は、蓄積した大量データに対してリアルタイム性を求めず、一括でオフライン推論して結果を S3 等へ出力するのに適します。常時起動のリアルタイムエンドポイントは割高、サーバーレス推論は散発トラフィック向け、非同期推論は大きな単発ペイロード向けであり、定期一括処理には適しません。
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正しい。大量データの一括オフライン推論はバッチ変換です。
- B誤り。リアルタイムエンドポイントは常時起動で1件ずつの低遅延用で、大量一括オフラインには割高です。
- C誤り。サーバーレス推論は散発トラフィック向けで、大量一括処理の最適解ではありません。
- D誤り。非同期推論は大きな入力の単発処理向けで、定期一括バッチとは異なります。