Explanation:
Azure Kubernetes サービス (AKS)。
Microsoft Azure AI Fundamentals (AI-900) 公式学習ガイドと Microsoft Learn の Azure Machine Learning に関するドキュメントによると、Azure Kubernetes Service は、Automated ML モデルを含む機械学習モデルをホストし、本番環境にデプロイするために一般的に使用されています。Azure Machine Learning (Azure ML) を使用してモデルをトレーニングしたら、データを受信して​​予測を返すことができるように、Web サービス エンドポイントとしてデプロイする必要があります。
Azure ML では、モデルのホスティングとデプロイに主に 2 つのオプションが提供されています。
* Azure Kubernetes Service (AKS) - 高速な応答時間、高可用性、スケーラビリティを必要とする大規模な運用レベルの展開向け。
* Azure Container Instances (ACI) - パフォーマンスよりもコストとシンプルさが重要なテストまたは小規模ワークロード向け。
AKS は、デプロイされた機械学習モデルの自動化されたコンテナーオーケストレーション、負荷分散、スケーリング、監視を可能にするマネージド Kubernetes クラスターを提供します。Azure ML Studio の Automated ML を使用すると、生成されたモデルをコンテナー化して AKS に直接デプロイし、REST API エンドポイントとしてアクセスできるようになります。これにより、アプリケーション、システム、またはユーザーは、リアルタイムでデータを送信し、予測を受け取ることができます。
その他のオプションは、異なる目的に使用されます。
* Azure Data Factory は、モデルのホスティングではなく、データ統合とパイプライン オーケストレーションに使用されます。
* Azure Automation は、ML の展開ではなく、管理タスクと Runbook の自動化に重点を置いています。
* Azure Logic Apps は、ML モデルを提供するためではなく、ワークフローを自動化し、サービスを統合するために使用されます。
したがって、運用環境で自動機械学習 (AutoML) モデルをホストするのに適したサービスは、リアルタイム推論とエンタープライズ AI ワークロードに信頼性が高く、スケーラブルで安全な環境を提供する Azure Kubernetes Service (AKS) です。