AIP-C01 練習問題 4

ある保険会社は、顧客が自分の保険料を予測できる Web ベースのアプリケーションを支えるために、既存の Amazon SageMaker AI インフラストラクチャを使用しています。同社は、SageMaker AI モデルのトレーニングに使用する顧客データを Amazon S3 バケットに保存しています。このデータセットは急速に増加しています。同社は、モデルを継続的に再トレーニングするソリューションを求めています。このソリューションは、従業員が新しい顧客データファイルを S3 バケットにアップロードしたときに、自動的にモデルを再トレーニングし、アプリケーションへ再デプロイしなければなりません。 これらの要件を満たすソリューションはどれですか？

【正解】D

【0からの解説】
この問題は「S3 へのファイルアップロードをトリガーに、モデルの再トレーニング→再デプロイを自動化する MLOps パイプライン」の設計問題です。
・SageMaker Pipelines は、データ前処理→トレーニング→評価→デプロイという ML の一連の工程を定義・自動実行できるマネージドの ML パイプライン機能です。再トレーニングと再デプロイの自動化はこの機能の中核ユースケースです。
・AWS Step Functions には Standard と Express の 2 種類があります。Standard は最長 1 年間実行でき、長時間かかる処理（モデルのトレーニングなど）のオーケストレーションに適しています。Express は最長 5 分で、短時間・大量実行のイベント処理向けです。

【D が正解の理由】
D は「ファイルアップロードの検知（Lambda）→ SageMaker Pipelines によるモデルの再トレーニング・再デプロイ」を Step Functions Standard ワークフローで順序立てて実行します。モデルのトレーニングは数十分〜数時間かかることが多いため、長時間実行に対応する Standard ワークフローが適切であり、要件をすべて満たします。

【誤りの選択肢】
A：「リアルタイム推論を使用してモデルを再デプロイする」という記述が概念的に誤っています。リアルタイム推論エンドポイントは予測（推論）を返すためのものであり、モデルの再トレーニングや再デプロイを行う仕組みではありません。
B：S3 へのアップロードは S3 と EventBridge の組み込み統合で直接検知できるため、Webhook ハンドラーを自前で実装するのは不要に複雑です。また「Lambda 関数のイベントをソースに設定する」という構成は EventBridge の標準的な使い方ではなく、アーキテクチャとして成立しません。
C：Express ワークフローは最長 5 分しか実行できないため、時間のかかる再トレーニング処理のオーケストレーションには不適です。また SageMaker Data Wrangler はデータ準備用の対話的ツール、Autopilot は AutoML（自動モデル構築）サービスであり、「既存モデルを継続的に再トレーニングして再デプロイする」自動化パイプラインの構成要素としては要件に合いません。

【参考】
SageMaker Pipelines の概要
Standard ワークフローと Express ワークフロー