あるMLスペシャリストが、Amazon SageMakerで画像分類器をトレーニングするためにカスタムコンテナイメージを使用しており、そのカスタムイメージからのハイパーパラメータ最適化（HPO）結果と、SageMakerの組み込み画像分類アルゴリズムからの結果を比較したいと考えています。すべての実験とHPOジョブは、SageMaker Studioノートブック内のスクリプトから起動する必要があります。スペシャリストがこれを最短時間で実行できるアプローチはどれですか？

正解は、SageMaker Experimentsを使用してカスタムコンテナモデルの複数のトレーニングジョブを実行および追跡し、SageMakerの自動モデルチューニングを使用して組み込みアルゴリズムをチューニングする方法です。SageMaker Experimentsは、カスタムコンテナを使用した手動のハイパーパラメータ調整ジョブの追跡と比較に最適です。一方、SageMakerの自動モデルチューニング（AMT）は、組み込みアルゴリズムのハイパーパラメータ最適化を効率的に行い、早期停止機能も利用できます。この組み合わせにより、両方のモデルタイプを効率的に比較できます。 他の選択肢は、以下の理由で不適切です。 カスタムHPOスクリプトとローカルモードは、大規模なHPOには非効率的です。 SageMaker Autopilotは、カスタムコンテナモデルのチューニングには直接使用できません。 SageMakerの自動モデルチューニングは、カスタムコンテナモデルのハイパーパラメータ最適化を直接サポートしていません。