Amazon SageMaker AI

は、モデルの構築、学習、デプロイ、運用を一通り行えるです。 AIF-C01では、既製のAIサービスやでは足りず、独自のモデルを扱いたい場面で選ぶサービスとして登場します。

Point

以前の名称は Amazon SageMaker で、現在は機械学習の開発機能をまとめた Amazon SageMaker AI として整理されています。
試験の選択肢では単に SageMaker と書かれることもあります。同じものと考えて読みます。

概要

は、の各工程に対応する機能をそろえた開発と運用の基盤です。ノートブックでの試行から、学習ジョブ、モデルの登録、の公開、監視までを1つのサービスの中で行えます。

扱う単位は、ノートブック、学習ジョブ、モデル、エンドポイントです。代表的な使い道は、自社データで専用モデルを学習させ、業務システムから推論を呼び出す構成です。

試験では、「定番タスクならマネージドAIサービス」「なら」「独自モデルの学習と運用ならSageMaker AI」という切り分けを判断します。

主要技術

①SageMaker Studioと開発環境

Studioは、の作業をまとめて行うブラウザ上の統合開発環境です。ノートブック、実験の比較、パイプラインの確認、モデルの管理などを1か所から扱えます。

機能	役割
ノートブック	データ確認、試行、学習コードの実行を行います。
実験の比較	学習条件と結果を並べて比べます。
モデルの管理	登録済みモデルと承認状態を確認します。
ジョブの監視	学習や処理ジョブの状態を追います。

②学習ジョブとアルゴリズムの選択肢

学習は、データの場所とアルゴリズム、計算資源を指定して実行します。アルゴリズムには3つの選択肢があります。

選択肢	内容	判断ポイント
組み込みアルゴリズム	AWSが用意した定番アルゴリズムを使います。	一般的なタスクを手早く実装したい場合
済みモデル	のモデルを使い、必要なら調整します。	学習をゼロから行わず短縮したい場合
独自コード	自分のスクリプトやを持ち込みます。	独自の手法やライブラリが必要な場合

学習は使った時間だけ課金され、終了すると計算資源は解放されます。

③推論の形 ⚠️ 頻出

モデルの使い方に応じての形を選びます。 AIF-C01では、要件からこの4つを選び分ける問題が出ます。

推論の形	特徴	向く要件
	常時稼働のへ都度リクエストします。	低遅延の応答が常に必要
	トラフィックに応じて自動で起動と縮退をします。	断続的で予測しにくいトラフィック
	リクエストをキューに入れて順に処理します。	大きな入力や長い処理時間
バッチ変換	大量データを一括処理し、結果をへ書きます。	定期的な一括スコアリング

⚠️ 頻出: 「アクセスが不定期で、待機中の費用を払いたくない」ならサーバーレス推論、「夜間に全件をまとめて処理する」ならバッチ変換です。

④コストに影響する要素

要素	内容
インスタンスの種類と数	学習とで使う計算資源の単価です。
稼働時間	リアルタイムは待機中も課金されます。
ストレージ	データセット、モデル、ログの保管費用です。
データ転送	間や外部への転送費用です。

⚠️ 頻出: リアルタイムエンドポイントはリクエストがなくても課金されます。利用が断続的ならやバッチ変換のほうが安くなります。

⑤セキュリティとネットワーク

観点	内容
アクセス制御	のロールとポリシーで、誰がどのリソースを扱えるかを決めます。
	のデータ、ボリューム、モデルの成果物をのキーで暗号化します。
転送時の暗号化	で通信を保護します。
ネットワーク分離	内で実行し、インターネットを経由せずで接続します。
監査	で呼び出しを記録します。

⑥主要な周辺機能の対応

機能	役割
Ground Truth	へのを管理します。新規の受け付けは終了しています。
SageMaker Data Wrangler	前処理と作成をGUIで行います。
SageMaker Feature Store	特徴量を保存し学習とで共有します。
	済みモデルとを配置します。
SageMaker Canvas	コードを書かずに予測モデルを作ります。
SageMaker Clarify	の検出と予測の説明を行います。新規の受け付けは終了しています。
SageMaker Model Monitor	本番のデータ品質とモデル品質を監視します。新規の受け付けは終了しています。
SageMaker AIのMLflow	学習の条件と結果を記録し、監視の指標もまとめて追跡します。
SageMaker Model Cards	モデルの用途、制約、評価結果を文書化します。
SageMaker Pipelines	学習からデプロイまでを自動化します。

Ground Truth、Clarify、Model Monitorのほか、Augmented AI ()、Debugger、Studio Labなども2026年7月30日に新規の利用者の受け付けを終えました。既存の利用者は使い続けられますが、新しく作る構成では、監視はAWSが案内する監視ソリューション (MLflowとEvidently AI) と、バイアスと説明は指標やSHAPの値の算出で代えます。

試験対策

①判断マトリクス

問題文のキーワード	選ぶもの	理由
独自データで専用モデルを学習して運用したい		学習から運用まで自分で制御できます。
感情分析や文字起こしなどの定番タスク	マネージドAIサービス	学習が不要で運用負荷が最小です。
をで呼びたい		でを利用できます。
済みモデルを自環境へ配置したい		モデルの取得と配置を簡単にします。
コードを書けない担当者が予測を作りたい	SageMaker Canvas	画面操作で完結します。
待機費用を避けたい断続的な		使った分だけの課金になります。

②よくある誤答

定番タスクにでの自作を選ぶこと。マネージドAIサービスのほうが安く速くなります。
の利用にSageMaker AIの学習が必須と考えること。の利用で足ります。
リアルタイムを常に最適と考えること。トラフィックの形に合わせての形を選びます。