Question#38(MLS-C01)
機械学習（ML）エンジニアは、Amazon SageMakerの自動モデルチューニング（AMT）を使用してモデルのハイパーパラメータを最適化しています。MLエンジニアは、チューニングジョブの実行に時間がかかり、目標メトリックに対して有意な改善が見られなくてもジョブが継続していることに気づきました。MLエンジニアは、トレーニングジョブがハイパーパラメータをより迅速に最適化する必要があります。これらの要件を満たすために、MLエンジニアはSageMaker AMTのデータ型をどのように設定すべきですか？
正解：D
TrainingJobEarlyStoppingTypeをAUTOに設定することは、チューニングジョブの効率を向上させる直接的な解決策です。SageMaker AMTの早期停止機能は、目標メトリック（例：検証精度、損失）が一定期間改善しない場合にトレーニングジョブを自動的に終了し、計算リソースを有望な構成に再割り当てします。これにより、無駄なジョブの実行が減り、全体のチューニング時間が短縮されます。AUTO設定は、SageMakerが内部アルゴリズムを使用して停止条件を動的に判断するため、MLエンジニアは複雑な閾値設定を行う必要がありません。この機能はベイズ最適化と相性が良く、SageMakerのネイティブ機能として簡単に有効化できるため、開発労力が最小限で済みます。したがって、選択肢４は、迅速なハイパーパラメータ最適化という要件を最も効果的に満たします。
コメント