ある企業がAzure Machine Learningを使って機械学習パイプラインを再現可能にしたいと考えている。実験のたびにモデルのパラメータ・使用データバージョン・評価指標が記録されているかを確認したい。この目的を最もよく支援するAzure ML の機能はどれか。
- A. Azure ML のデザイナー：ビジュアルUIでパイプラインを構築する
- B. Azure ML の実験（Experiments）と実行（Runs）の追跡機能：各実行のメトリクス・パラメータ・成果物を記録し比較できる
- C. Azure ML のデータセット：データのバージョン管理のみを行う機能
- D. Azure ML のコンピューティングクラスター：並列訓練で実験を高速化する
解答と解説を見る
正解: B
Azure ML の実験（Experiments）と実行（Runs）追跡機能は、各トレーニング実行で使用したハイパーパラメータ・評価指標・モデルファイル・環境情報などを記録し、複数の実行を横断して比較できる再現性管理機能である。実験の再現性とトレーサビリティに直接対応する。Dのコンピューティングクラスターは計算リソースの管理であり、実験追跡とは別の役割。Aのデザイナーはビジュアルなパイプライン構築ツールであり、メトリクスの記録・比較機能が主目的ではない。Cのデータセット機能はデータバージョン管理を行えるが、モデルパラメータや評価指標まで含めた実験全体の追跡は実行追跡機能の役割。