コンテンツ分野 3: ML と AI のワークフローのデプロイとオーケストレーション

スキル 3.1.1: 適切なコンピューティング環境とデプロイターゲットを選択する。

スキル 3.1.2: デプロイオーケストレーターとマルチモデルデプロイ戦略またはマルチコンテナデプロイ戦略を選択する。

スキル 3.1.3: モデル推論戦略 (リアルタイム処理やバッチ処理など) を選択する。

スキル 3.1.4: 適切な基盤モデル (FM) デプロイオプションを評価して選択する。

スキル 3.1.5: AWS の外部で構築されたモデルを AWS 環境 (Amazon SageMaker AI、Amazon Bedrock Custom Model Import など) にデプロイする。

スキル 3.1.6: 特定のタスク用のエージェント、他のサービスやツールとの統合、エージェントの通信プロトコルをデプロイして設定する。

スキル 3.1.7: FM のデプロイ、モデルホスティング、リソース割り当てを設定する。

スキル 3.1.8: 検索拡張生成 (RAG) システム設定 (検索戦略、再ランク付けなど) を適用する。

スキル 3.2.1: オンデマンドリソースとプロビジョニング済みリソースの間のリソースプロビジョニングを最適化して、パフォーマンスとコスト効率を向上させる。

スキル 3.2.2: スタックとオーケストレーションサービスの間の統合通信を使用して、コンピューティングリソースのプロビジョニングを自動化する。

スキル 3.2.3: ML と AI のワークロードのためのコンテナを構築および保守する。

スキル 3.2.4: VPC ネットワーク環境内に SageMaker AI エンドポイントを設定する。

スキル 3.2.5: モデルをプログラムでデプロイしてホストする (SageMaker AI SDK for Python、AWS CLI、Boto3 の使用などによる)。

スキル 3.2.6: 自動スケーリングの実装のための具体的なメトリクスを選択する。

スキル 3.2.7: ベクトルデータベース設定、ドキュメントインデックス作成、検索最適化を使用して Amazon Bedrock ナレッジベースを作成および管理する。

スキル 3.2.8: ビジネスニーズに合わせて検索パイプラインを実装する。

スキル 3.2.9: エージェントステート管理システムを実装する。

スキル 3.2.10: GPU ワークロードのための AI 固有のリソーススケーリングを実装する。

スキル 3.2.11: エージェントワークフローのインフラストラクチャをデプロイする。

スキル 3.3.1: 自動デプロイ戦略とロールバックアクションを実装する。

スキル 3.3.2: AWS CodeBuild、AWS CodeCommit、AWS CodeDeploy、AWS CodePipeline、AWS CodeConnections を設定およびトラブルシューティングする。

スキル 3.3.3: トレーニングジョブと推論ジョブを設定する。

スキル 3.3.4: CI/CD パイプライン内で、従来の ML と AI のワークロードのための自動テスト戦略を設定する。

スキル 3.3.5: モデルを再トレーニングするためのメカニズムを構築および統合する。

スキル 3.3.6: 再現性と監査のためにモデルバージョンを管理する (SageMaker Model Registry、SageMaker AI 上の MLflow など)。

スキル 3.3.7: プロンプトを管理する (Amazon Bedrock プロンプトマネジメントなど)。

スキル 3.3.8: 自動エージェントデプロイパイプラインとエージェントバージョン管理を実装する。

スキル 3.3.9: プロンプトテストを含む AI モデルテストフレームワークを実装する。

スキル 3.3.10: ファインチューニングされたモデルのバージョニングを使って FM デプロイのオートメーションを設定する。

スキル 3.3.11: RAG システムの更新とナレッジベースの更新サイクル用の AI 固有のパイプラインオーケストレーションを設定する。