Azure ML応用

Azure Machine Learning Pipelineで、月1回の定期スケジュール実行で大量の顧客データ(500万件)を処理してモデルを再訓練する場合と、リアルタイムで単一顧客のスコアリングを行う場合の最適なコンピューティング構成の組み合わせとして正しいのはどれか?

A.両者とも Azure Container Instances(ACI)を使用し、コスト最適化を重視する
✗ ACIはメモリ制限があり、500万件の大量処理には不適切です。また両者のニーズが異なります。
B.月次再訓練はバッチ推論用のコンピューティングクラスター(複数CPUノード)、リアルタイムスコアリングはリアルタイムエンドポイント(単一または複数ノード)を使用する← 正解
✓ 正解です。バッチ処理はクラスターのスケーリングと高スループット、リアルタイムはエンドポイントの低レイテンシと即応性が必要で、この分離が最適です。
C.月次再訓練はリアルタイムエンドポイント、リアルタイムスコアリングはバッチ推論を使用する
✗ これは完全に逆です。月次バッチをエンドポイントで処理するのは極めて非効率で、コスト高になります。
D.両者とも Azure Kubernetes Service(AKS)を使用し、高可用性と安定性を重視する
✗ AKSは高度な構成ですが、両ユースケースには過剰で、管理負荷も高くなります。

この問題のポイント

バッチ処理はクラスターのスケーリングと高スループット、リアルタイムはエンドポイントの低レイテンシと即応性が必要で、この分離が最適です。

AI-900:Microsoft Azure AI Fundamentals の問題一覧