Azure MLOps比較
Azure MLの「自動機械学習（AutoML）」と「ハイパーパラメータチューニング」の主な目的の違いは？
A.AutoMLはアルゴリズム選択と前処理も含めて自動化し、ハイパーパラメータチューニングは既定のアルゴリズムのパラメータ最適化に特化している← 正解
✓ 正解です。AutoMLはアルゴリズム探索から前処理まで全体を最適化し、ハイパーパラメータチューニングは既知のモデル内でパラメータ調整に限定されます。
B.AutoMLは分類問題のみ対応で、ハイパーパラメータチューニングは回帰問題のみ対応する
✗ AutoMLはテキスト分類、画像、時系列など多様な問題タイプに対応します。ハイパーパラメータチューニングも同様です。
C.AutoMLはラベル付きデータを不要とし、ハイパーパラメータチューニングは必須である
✗ 両者ともラベル付きデータが必要です。AutoMLが自動化するのはモデル構築プロセスであり、データ前処理ではありません。
D.AutoMLはGPUコンピュート必須で、ハイパーパラメータチューニングはCPUで実行可能である
✗ リソース要件はデータサイズとモデル複雑度に依存し、処理方式による絶対的な差ではありません。
この問題のポイント
AutoMLはアルゴリズム探索から前処理まで全体を最適化し、ハイパーパラメータチューニングは既知のモデル内でパラメータ調整に限定されます。
「Azure MLOps」の他の問題
Azure MLで「本番モデルのデータドリフトを定期的に検出して、精度低下前に再訓練アラートを出す」ために使う機能はどれ…Azure MLの「マネージドオンラインエンドポイント」でブルーグリーンデプロイを実現する機能はどれか？Azure MLにおける「バッチ推論パイプライン」と「リアルタイム推論エンドポイント」の主な違いは何か？Azure MLパイプラインの「Published Pipeline」と「Draft Pipeline」の主な使い分けの…Azure MLの「モデルレジストリ」と「モデルエンドポイント」の主な役割の違いは？Azure MLの「パイプラインステップ」と「パイプラインエンドポイント」の関係・違いは？
IT・クラウド の関連資格
AWS Certified Cloud Practitioner（CLF-C02）
AWSクラウドの入門資格。クラウドの概念・AWSのコアサービス・セキュリティ・料金モデルを問う。
AWS Certified Solutions Architect - Associate（SAA-C03）
AWSでのシステム設計能力を問うアソシエイト資格。高可用性・セキュリティ・コスト最適化の設計が中心。
DP-900：Microsoft Azure Data Fundamentals
Azureのデータサービスの基礎を問うMicrosoft認定資格。リレーショナル/非リレーショナルデータ、分析ワークロード、コアのデータ概念を扱う。