MLA-C02：AWS Certified Machine Learning Engineer - Associate ML・AI ワークフローのデプロイとオーケストレーション

全18問。各問に解説と選択肢ごとの解説がついています。

• 問1オンラインのアプリから、1 件ずつのリクエストに対して低レイテンシでリアルタイムに推論結果を返す必要があります。最も適…
• 問2推論リクエストが散発的（トラフィックが断続的で、無い時間帯も長い）で、アイドル時のコストを抑えつつ、必要なときだけ推論…
• 問3SageMaker AI の推論エンドポイントを呼び出す通信を、インターネットを経由せずプライベートに行いたいと考えて…
• 問4推論エンドポイントへのトラフィックが時間帯で大きく変動します。性能を保ちつつコストを抑えるため、負荷に応じてインスタン…
• 問5データ準備 → 学習 → 評価 → 承認 → デプロイという一連の ML ワークフローを、再現性をもって自動化（MLO…
• 問6学習したモデルのバージョンを管理し、承認ステータスを付けて、承認済みのバージョンだけを本番にデプロイできるようにし、監…
• 問7大量に蓄積したデータに対して、リアルタイム性は不要で、定期的にまとめてオフラインで推論を実行し結果をS3へ出力したい。…
• 問8推論リクエストのペイロードが非常に大きく（例: 大きな画像/動画）、処理に時間がかかる。クライアントを待たせずに、処理…
• 問9多数の小さなモデル（顧客ごとのモデルなど）を提供するが、それぞれに専用エンドポイントを立てるとコストがかさむ。コスト効…
• 問10社内ドキュメントに基づく RAG の生成AIアプリを、検索インデックス作成・埋め込み・取得・プロンプト連携まで、できる…
• 問11本番モデルの精度劣化（データドリフト）を検知したら、自動的に再学習パイプラインを起動して新モデルを評価・デプロイする、…
• 問12組織で ML プロジェクトを標準化し、学習からデプロイまでの CI/CD テンプレート（リポジトリ・パイプライン・承認…
• 問13推論エンドポイントで、受け取った入力にまず前処理（特徴量変換）を行い、続いて推論モデルを実行し、最後に後処理を行う、と…
• 問14公開されている特定のオープンな基盤モデルを、自社アカウントの環境で、独自の推論コードや構成も加えてホストし、細かく制御…
• 問15大規模な深層学習モデルの学習ジョブを、現実的な時間で完了させたいと考えています。学習に用いるインスタンスの選択として一…
• 問16新しいモデルを本番エンドポイントへデプロイする際、まず一部のトラフィックに段階的に移し、エラー率などの CloudWa…
• 問17複数回の学習試行について、使用したデータ・ハイパーパラメータ・評価指標を記録・比較し、どの試行がどのモデルを生んだかの…
• 問18独自に選んだ機械学習フレームワークと、自作の推論処理コードを使ってモデルをデプロイしたいと考えています。SageMak…