あるMLエンジニアが、Amazon SageMakerを使用してテキスト要約のために大規模言語モデル（LLM）をファインチューニングする必要があり、ローコード/ノーコードのワークフローを使用する必要があります。これらの制約を満たすオプションはどれですか？

正解は、SageMaker Autopilotを使用して、SageMaker JumpStartを介してデプロイされるLLMをファインチューニングします。これは、ローコード/ノーコードの要件を満たし、LLMのファインチューニングとデプロイを効率的に行うためです。SageMaker Autopilotは、データに基づいて最適なモデルを自動的に選択・調整し、SageMaker JumpStartは、事前学習済みモデルのハブとして機能し、ファインチューニングとデプロイを簡素化します。 他の選択肢が不適切な理由は次のとおりです。 SageMaker Studioは、より高度なコーディングを伴うため、ローコード/ノーコードの要件を満たしません。 SageMaker AutopilotはLLMのファインチューニングをサポートしますが、カスタムAPIエンドポイントやEC2インスタンスへの直接デプロイは、JumpStartを介したデプロイよりも複雑になる可能性があります。