AIF-C01#28(fundamentals-ai-ml)
ある企業が、データセットから抽出されたカスタム特徴量に基づいて、さまざまな物体の画像を分類したいと考えています。 この要件を最も少ない開発工数（LEAST development effort）で満たすソリューションはどれですか？
正解：B
正解の根拠
事前学習済み深層学習モデルをファインチューニングする転移学習は、最少の追加データと工数で高精度の画像分類器を構築できます。SageMaker JumpStart や Bedrock の事前学習済みモデルを利用すれば、ResNet や Vision Transformer をベースに数行のコードでカスタムデータへ適用でき、開発工数を最小化できます。
画像分類アプローチ別の工数
| 方式 | 開発工数 |
|---|---|
| 事前学習+FT | 最小、転移学習で高速 |
| 従来 ML+特徴量 | 特徴量設計に手間 |
| GAN | 生成用途で分類は副次 |
| SVM+手設計特徴 | 特徴量設計が高負荷 |
不正解の理由
- A: 従来 ML はカスタム特徴量の手作業設計が必要で、事前学習モデル流用に比べ工数が大きくなります。
- C: GAN はデータ生成が主目的で、画像分類の本流的選択肢ではなく開発負荷も高くなります。
- D: SVM+手動特徴量設計は専門知識と試行錯誤を要し、最少工数で済むアプローチではありません。
コメント