AWS認定資格 無料問題集

解答

正しい解答：Ｄ. Amazon SageMaker JumpStart を使用して、事前構築済みの大規模言語モデルを微調整する。

　URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。

徹底解説

　オープンソースの大規模言語モデル（LLM：Large Language Model）をカテゴリー分類のタスク向けに微調整したい場合に、最小限の負荷でファインチューニングを実施できるソリューションは、「Amazon SageMaker JumpStart を使用して、事前構築済みの大規模言語モデルを微調整する」 ことです。Amazon SageMaker JumpStart は、事前構築済みのモデルとトレーニングワークフローを提供します。これによって、最小限のセットアップで基盤モデル（FM：Foundation Models）のファインチューニングとデプロイが可能となります。利用者は、テンプレート化された設定を使って、ほとんどコードを書かずにファインチューニングを開始できるため、運用負荷を大幅に削減できます。また、データセットが整備されている点も、JumpStartを選ぶ理由のひとつです。追加のデータ準備作業が不要なため、すぐに微調整に取りかかることができます。さらに、オープンソースのLLMを扱うという前提にも適しており、JumpStart では主要なオープンソースモデルに対して標準化された設定が用意されています。これにより、環境構築や設定の手間を抑えつつ、目的のタスクに合わせたモデルを効率よく作成できます。
　その他の選択肢は、本問題の要件に適合する最適なソリューションではありません。「Amazon SageMaker Studio で Jupyter Notebook を作成して、カスタムスクリプトによるトレーニングを実行する」 ことについて、SageMaker Studio でカスタムスクリプトを使う方法は柔軟性が高いものの、環境構築、依存関係の管理、トレーニングコードの作成など、多くの作業が必要になります。データセットが整備されていても、モデルの設定や学習処理をすべて利用者側で記述する必要があるため、運用負荷は JumpStart より大幅に高くなります。
　「Amazon Bedrock の Knowledge Bases を使用して、商品カテゴリーの分類タスク向けにモデルを自動学習させる」 ことについて、Knowledge Bases は、検索拡張生成（RAG：Retrieval-Augmented Generation）を実現するための機能であり、モデルを学習させたり微調整したりする仕組みではありません。
　「AWS Glue のワークフローを使用して、大規模言語モデルのトレーニングジョブを自動実行する」 ことについて、AWS Glue は複数のデータソースからデータを容易に抽出、変換、ロードするETLの機能を提供するサーバーレス・データ統合・変換サービスです。LLMのトレーニングを行うためのサービスではありません。