ある企業が、AWS で機械学習モデルの学習ジョブを定期的に実行している。学習には GPU インスタンスが必要で、週に 2〜3 回、1 回あたり 4〜8 時間かかる。学習ジョブを管理・スケジューリングし、必要なときだけ GPU インスタンスを起動してコストを最小化したい。最も適切なアーキテクチャはどれか。

正解: D

Amazon SageMaker Training Jobs は学習ジョブ実行中だけインスタンスを起動し、完了後は自動的に終了する「オンデマンド学習」のサービスである。GPU インスタンス（p3、p4、g5 等）での学習に最適化されており、分散学習・チェックポイントなどの機能も組み込まれている。週数回の実行パターンでは、常時稼働 EC2 と比較して大幅にコストが削減できる。選択肢Cの GPU EC2 常時稼働は、週数時間しか使わない場合でも 24 時間 365 日の課金が発生しコストが非常に高い。選択肢BのEC2 Auto Scaling はインスタンスの起動停止自動化が可能だが、SageMaker ほど ML 学習に特化した管理機能がなく、学習コードの実行管理・チェックポイント・分散学習の設定が複雑になる。選択肢AのAWS Batch も有効な選択肢だが、Spot インスタンスの中断リスクが長時間の学習ジョブには影響する。SageMaker の方が ML 学習ジョブに特化した管理機能が豊富。