MLA-C01 練習問題 8

ある ML エンジニアは、テキスト要約のために大規模言語モデル（LLM）をファインチューニングする必要があり、Amazon SageMaker を使用しなければなりません。ML エンジニアは、ローコード・ノーコード（LCNC）のアプローチに従わ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】
本問は SageMaker の LCNC（ローコード・ノーコード）系機能の組み合わせを問うています。
・SageMaker Autopilot：データを与えるだけでモデルの構築・チューニングを自動で行う AutoML 機能です。LLM のファインチューニングにも対応しており、コードをほとんど書かずにテキスト要約などのタスク向けにモデルを調整できます。
・SageMaker JumpStart：事前学習済みの基盤モデル（LLM を含む）をワンクリックでデプロイ・ファインチューニングできるモデルハブです。Autopilot の LLM ファインチューニングは、JumpStart が提供するモデルを基盤として動作します。
つまり「Autopilot（LCNC の自動ファインチューニング）＋ JumpStart（事前学習済み LLM の提供・デプロイ）」という組み合わせが、SageMaker ネイティブの LCNC アプローチとして正しい構成です。

【誤りの選択肢】
A：SageMaker Studio は IDE（統合開発環境）であり、Studio で EC2 上の LLM をファインチューニングするのはコードの記述が前提となるため、LCNC アプローチに反します。
B：カスタム API エンドポイントによるデプロイは自前の API 開発が必要であり、ノーコードの趣旨に反します。Autopilot のファインチューニング対象は JumpStart モデルです。
C：Autopilot のファインチューニングは SageMaker のマネージドインフラで動作します。EC2 インスタンスに直接デプロイされた LLM を対象にすることはできず、EC2 の管理はノーコードでもありません。

【参考】
SageMaker Autopilot による LLM のファインチューニング
SageMaker JumpStart