MLA-C01 練習問題 4

ある企業は、Amazon SageMaker AI で新しい ML モデルをトレーニングするためのデータを準備しています。このデータは、これまで ML トレーニングに使用されたことがありません。データには重複が含まれており、一部の値が欠損しています。 同社は、データ品質を高め、データ内の統計的バイアスを検出する必要があります。 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】B

【0からの解説】
SageMaker の類似ツールの役割の使い分けが本問のポイントです。
・SageMaker Data Wrangler：GUI ベースのデータ準備ツール。重複の削除、欠損値の補完などの変換を提供し、「データ品質と洞察レポート（Data Quality and Insights Report）」によってトレーニング前のデータの品質チェック（重複・欠損・外れ値など）ができます。本問の「重複と欠損があるデータの品質を高める」工程に最適です。
・SageMaker Clarify：トレーニング前のデータの統計的バイアス（クラス不均衡、属性グループ間の偏りなど）とトレーニング後のモデルバイアスを検出する専用機能です。
つまり「品質 → Data Wrangler、バイアス → Clarify」という組み合わせの B が正解です。

【誤りの選択肢】
A：役割が逆です。Clarify はバイアス検出・説明可能性のツールでありデータ品質ルールの作成機能はありません。また Model Monitor は本番環境にデプロイ済みのモデルのドリフト監視用で、トレーニング前のデータ分析には使いません。
C：SageMaker Debugger はトレーニングジョブの内部状態（勾配消失、過学習の兆候など）をデバッグする機能であり、データ品質ルールの作成ツールではありません。
D：Model Monitor のデータ品質監視は「本番エンドポイントへの入力データ」をベースラインと比較する機能で、初めて使うデータのトレーニング前の品質改善には適しません。バイアス検出の Clarify は正しいものの、前半が誤りです。

【参考】
SageMaker Data Wrangler によるデータの準備
SageMaker Clarify のバイアス検出