ある小売企業が SageMaker でトレーニングしたモデルを本番環境にデプロイする前に、モデルのバージョン管理・承認ワークフロー・メタデータ（アーティファクトの場所・精度指標）を一元管理したい。最も適切なサービスはどれか。
- A. AWS Systems Manager Parameter Store にモデルのメタデータを保存する
- B. Amazon S3 のバージョニング機能でモデルアーティファクトを管理する
- C. AWS CodeCommit でモデルのソースコードをバージョン管理する
- D. SageMaker Model Registry でモデルを登録し、承認ステータスと評価指標を一元管理する
解答と解説を見る
正解: D
SageMaker Model Registry はモデルのバージョン管理・承認ワークフロー（承認済み／却下）・メタデータ管理を専用に提供するサービス。MLOps パイプラインと統合でき、CI/CD での自動登録・承認・デプロイが実現できる。BのS3バージョニングはアーティファクトの保管には使えるが、承認ワークフローや評価指標の管理機能はない。CのCodeCommitはコードのバージョン管理であり、モデルアーティファクトの管理には適さない。AのParameter Storeは設定値の保管用であり、Model Registry のような MLOps 専用機能はない。
📚 関連サービスの解説: Amazon SageMaker