AWS認定資格 無料問題集

解答

正しい解答：Ａ. Amazon SageMaker Model Cards

　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

　機械学習（ML：Machine Learning）モデルの目的やデータソースなどのメタ情報をステークホルダーに一貫した形式で共有することによって、モデルの透明性を高めたい場合に、最も適切な AWS SageMaker の機能は、Amazon SageMaker Model Cards です。Amazon SageMaker は、MLモデルを迅速に構築して、学習するためのモジュールが用意されたマネージド型のサービスであり、MLプロジェクトの課題を解決するための環境を構築・活用する多くのツールを提供しています。Amazon SageMaker Model Cards は、モデルの使用目的、リスク評価、トレーニングの詳細と指標、考慮・推奨事項、カスタム情報など、MLモデルに関する重要な情報を体系的にカタログ化して、ガバナンスと透明性を支援する機能を提供します。当初はモデル情報の文書化を目的として提供されていましたが、現在は、SageMaker Model Registry と連携することで、登録済みモデルの各バージョンに Model Card を関連付けて、モデルのライフサイクル全体にわたる一貫したガバナンスと監査情報の収集が可能となっています。特に、医療や金融などの規制業界では、説明可能性とコンプライアンスの観点から重要な役割を果たす仕組みとなっており、関係者との信頼構築や監査対応にも有効です。
　その他の選択肢は、MLモデルの目的やリスクを文書化したり、ステークホルダーに一貫した形式で共有する機能ではありません。Amazon SageMaker Clarify は、機械学習モデルの公平性を評価して、バイアスを検出するためのツールです。このサービス（ツール）は、モデルの予測結果に潜在的なバイアスが含まれていないかを分析して、説明可能性を提供する機能を備えています。また、Amazon SageMaker Ground Truth は、多くの時間とリソースを要する機械学習モデルのトレーニング・データセット（ラベル付きデータセット）を効率的に作成するためのサービスです。そして、Amazon SageMaker Debugger は、機械学習モデルのトレーニングプロセスをリアルタイムで監視・デバッグ・最適化するための機能を提供します。これにより、モデルの学習挙動やシステムリソースの使用状況を可視化して、トレーニング中の問題を早期に検出・対応することが可能になります。