ある機械学習チームがAzure Machine Learningでモデルをデプロイしようとしている。APIを呼び出すたびにリアルタイムで単一リクエストの予測を返す必要がある（例：ユーザーがWebページを開いた瞬間に推奨商品を返す）。この要件に最も適したデプロイ方法はどれか。
- A. Azure Functions：コード不要でモデルを自動的にデプロイする機能
- B. リアルタイム推論エンドポイント：RESTful APIとして常時稼働し、個々のリクエストに即時応答する
- C. コンピューティングクラスター：分散トレーニング用のリソースを推論にも転用する
- D. バッチ推論エンドポイント：大量のデータを一括処理してファイルに結果を保存する
解答と解説を見る
正解: B
リアルタイム推論エンドポイントはモデルをRESTful APIとして常時稼働させ、HTTPリクエストを受け取るたびに即座に予測結果を返す構成であり、Webページのパーソナライゼーションなどのユースケースに最適。Dのバッチ推論は大量データをスケジュールして一括処理する方式であり、リアルタイム応答が必要なシナリオには使えない。Cのコンピューティングクラスターはトレーニング用リソースであり、リアルタイム推論APIのホスティングには通常使わない。AのAzure Functionsはサーバーレス関数実行環境であり、Azure MLのモデルを自動デプロイする専用機能ではない（連携はできるが、本問の選択肢としては最も適切ではない）。