Q48 — AWS SAA-C03 第5章

第 48/65 問 | ← 第5章

Q348. 電子商取引企業が機械学習（ML）アルゴリズムを活用してモデルの構築およびトレーニングを行いたいと考えています。当社は、これらのモデルを用いて複雑なシナリオの可視化や顧客データにおけるトレンド検出を実施します。アーキテクチャチームは、MLモデルをレポーティングプラットフォームと統合し、拡張されたデータを分析するとともに、ビジネスインテリジェンスダッシュボードでそのデータを直接活用したいと考えています。これらの要件を満たす、運用オーバーヘッドが最も少ないソリューションはどれですか？

正解: B. Amazon SageMaker を使用してモデルの構築およびトレーニングを行います。Amazon QuickSight を使用してデータを可視化します。

解説

B. Amazon SageMaker を使用してモデルの構築およびトレーニングを行い、Amazon QuickSight を使用してデータを可視化する：Amazon SageMaker は、フルマネージド型のサービスであり、開発者およびデータサイエンティストが迅速かつ容易に機械学習モデルを構築・トレーニング・デプロイできるように支援します。この電子商取引企業は、Amazon SageMaker を活用することで、運用オーバーヘッドを最小限に抑えながら自社の ML モデルを構築・トレーニングできます。また、モデルのトレーニング後には、Amazon QuickSight を用いて複雑なシナリオの可視化や顧客データにおけるトレンド検出を実行できます。これは、エンドツーエンドのソリューションを提供し、最小限の運用負荷で要件を満たすものです。選択肢 A では、AWS Glue を用いた ML トランスフォームによるモデル構築・トレーニングを想定しており、これは SageMaker を使用する場合と比較して追加の設定やセットアップ作業が必要になる可能性があります。さらに、Amazon OpenSearch Service はデータ可視化にも利用可能ですが、主に検索および分析エンジンとして設計されており、高度なデータ可視化に必要なすべての機能を提供できない可能性があります。選択肢 C では、AWS Marketplace から提供される事前構築済みの ML AMI を使用しますが、これには SageMaker を使用する場合と比較してライセンスやコスト面での追加負担が生じる可能性があります。選択肢 D では、Amazon QuickSight の計算フィールドを用いてモデルの構築・トレーニングを行うものですが、これは Amazon SageMaker のような専用 ML ツールと比べてスケーラビリティや堅牢性に劣り、大規模または複雑な ML タスクには不向きです。