MLA-C01 練習問題 13

ある企業は、動画内の動き（モーション）を分類する ML モデルを使用しています。データは MP4 形式で Amazon S3 に保存されています。同社がモデルを作成した際、すべての動画フレームにラベルを付けるのに 4 か月を要しました。 同社は、Amazon SageMaker AI の既存のトレーニングワークフローを使用してモデルを再トレーニングする必要があります。ML エンジニアは、ラベル付けの時間を短縮するソリューションを実装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】A

【0からの解説】
Amazon SageMaker Ground Truth は、ML トレーニング用のデータラベリング（アノテーション）に特化したマネージドサービスです。本問の要件に対して次の点が決め手になります。
・動画専用のラベリングタスク（動画フレームのオブジェクト検出・トラッキングなど）が組み込みで提供されており、MP4 動画のフレーム単位のアノテーションをそのまま実行できます。
・自動データラベリング（active learning）機能により、人間が付けたラベルから学習したモデルが残りのデータに自動でラベルを付け、確信度の低いものだけを人間に回します。これにより、4 か月かかっていたラベル付け時間を大幅に短縮できます。
・出力されたラベル付きデータ（拡張マニフェスト）は SageMaker のトレーニングワークフローにそのまま統合できます。

【誤りの選択肢】
B：JumpStart の事前学習済みモデルから独自のラベリングモデルを開発するのは、開発・検証の工数が大きく、専用のラベリングサービス（Ground Truth）がある中で車輪の再発明です。
C：SageMaker Data Wrangler はデータの変換・前処理のためのツールであり、ラベリング機能はありません。
D：Amazon A2I は、ML の推論結果のうち信頼度が低いものを人間がレビューするためのサービスであり、トレーニングデータセットを最初から大量にラベル付けするためのサービスではありません（その用途は Ground Truth の役割です）。

【参考】
Amazon SageMaker Ground Truth
Ground Truth の動画フレームラベリング