SageMaker AI と MLflow の実行クイズ
選択式問題
- 新しいマネージド MLflow デプロイで使うリソースはどれですか？
- A) 従来の Tracking Server のみ
- B) SageMaker MLflow App
- C) Public EKS LoadBalancer
- D) ローカルの SQLite file のみ
回答を表示
回答: B
マネージド経路では、現行の SageMaker MLflow App API を使用します。
- 完全な実行の前に必要なことは何ですか？
- A) Smoke run を完了し、raw PII の logging をスキャンする
- B) Project membership を削除する
- C) 直ちに最大 step 数で実行する
- D) Teardown を無効にする
回答を表示
回答: A
まず smoke の完了、logging の安全性、集計結果、adapter のインベントリを確認します。
- EKS Job の失敗と deadline に関する契約はどれですか？
- A) Retry は無制限で deadline はない
- B)
backoffLimit: 0とactiveDeadlineSeconds: 10800 - C) 10回 retry し、1時間で終了する
- D) 永続的な Deployment
回答を表示
回答: B
これらは retry と Job deadline の設定です。Controller や node の障害によって回収が遅れる場合があり、3時間以内にすべてのリソースが消える保証や総コストの上限にはなりません。
- どのような場合に cleanup の検証を失敗とすべきですか？
- A) リソースが残っていない
- B) リソースが残っている、またはエラーのため状態を確認できない
- C) Smoke test が成功した
- D) Dataset hash が一致する
回答を表示
回答: B
照会に失敗している場合、残存数がゼロであるだけでは不十分です。不明な状態はそのまま記録し、所有権の証拠がない古いインベントリから、名前だけを根拠に削除しないでください。
- 9月1日に実際に実行されたのは何ですか？
- A) 完全な SageMaker Training Job
- B) 完全な EKS GPU Job
- C) Provisioning と cleanup の経路
- D) 調整済みモデルの評価
回答を表示
回答: C
どちらの GPU Job も送信前に停止しました。
- 2026年9月12日時点で GPU 実行がブロックされているのはなぜですか？
- A) 固定された PyTorch 2.8 DLC の patch support が8月6日に終了した
- B) Source bundling に料金がかかる
- C) すべての MLflow App が削除された
- D) ローカルの unit test に GPU が必要である
回答を表示
回答: A
サポート対象の DLC、torch、依存関係の組み合わせ、GPU smoke run を検証してください。日付チェックだけを削除しても、upgrade したことにはなりません。
--executeを指定しない場合、SageMaker launcher は何をしますか？- A) 完全な Job を直ちに送信する
- B) Request JSON だけを書き出す
- C) 既存の Job を削除する
- D) コスト見積もりを保証する
回答を表示
回答: B
デフォルトでは request preview を行います。実際に送信するには、runtime support check と別途のレビューが必要です。
- EKS MLflow の metric/parameter JSON を保存するだけで十分ですか？
- A) はい。Adapter weight も自動的に含まれる
- B) 最終 adapter と集約 artifact をダウンロードし、hash を検証する
- C)
emptyDirは cluster の削除後も残る - D) Log の末尾から model を再構築できる
回答を表示
回答: B
Metadata の export はファイルの保持とは異なります。Export に失敗した後も cluster を保持する場合は、コストに注意し、その後 cleanup する必要があります。