[{"data":1,"prerenderedAt":212},["ShallowReactive",2],{"topic-page:\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Finference-modes-and-data-types":3},{"topic":4,"category":173,"seo":177,"breadcrumbs":182,"prerequisites":192,"nextTopics":193,"relatedTopics":200},{"id":5,"slug":6,"title":7,"summary":8,"canonicalPath":9,"categoryPath":10,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"generatedAt":14,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":16,"expectedKnowledge":25,"learningGoal":28,"keyTerms":29,"blocks":87},"it-aws-aws-certified-ai-practitioner-ai-ml-fundamentals-inference-modes-and-data-types","inference-modes-and-data-types","推論方式とデータの種類","推論方式とデータの種類を、AIF-C01の公式objective 1.1.3・1.1.4に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Finference-modes-and-data-types","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals","beginner","cert_candidate",6,"2026-08-06","ai_generated",[17,18,19,20,21,22,23,24],"AWS Certified AI Practitioner","AIF-C01","AI・機械学習の基礎","推論","バッチ","リアルタイム","非同期","データ型",[26,27],"AWSクラウドの基本用語を聞いたことがある","AIを使う業務例を日常的な言葉で考えられる","推論方式とデータの種類について、試験で問われる違いと選択基準を説明し、短い業務例へ適用できる。",[30,34,41,45,52,56,60,64,68,72,79,83],{"id":31,"label":20,"shortDefinition":32,"role":33},"inference","学習済みモデルへ新しい入力を与え、予測や生成の出力を得る処理です。","primary",{"id":35,"label":36,"shortDefinition":37,"supplement":38,"role":33},"batch-inference","バッチ推論","多数の入力をまとめ、即時応答を前提とせず処理する推論方式です。",{"kind":39,"text":40},"usage","結果を待てる大量処理に向きます。",{"id":42,"label":43,"shortDefinition":44,"role":33},"real-time-inference","リアルタイム推論","一件ごとの要求へ短い待ち時間で結果を返す推論方式です。",{"id":46,"label":47,"shortDefinition":48,"supplement":49,"role":33},"asynchronous-inference","非同期推論","時間のかかる要求を受け付け、完了後に結果を返す推論方式です。",{"kind":50,"text":51},"comparison","容量管理を表すサーバーレス推論とは比較軸が異なります。",{"id":53,"label":54,"shortDefinition":55,"role":33},"serverless-inference","サーバーレス推論","常時確保した推論基盤を管理せず、需要に応じて処理する推論方式です。",{"id":57,"label":58,"shortDefinition":59,"role":33},"label","ラベル","教師あり学習で、入力に対応する正解や分類名として与える値です。",{"id":61,"label":62,"shortDefinition":63,"role":33},"labeled-data","ラベル付きデータ","入力ごとに、正解や分類名などのラベルが付いたデータです。",{"id":65,"label":66,"shortDefinition":67,"role":33},"unlabeled-data","ラベルなしデータ","入力に正解や分類名のラベルが付いていないデータです。",{"id":69,"label":70,"shortDefinition":71,"role":33},"tabular-data","表形式データ","行と列に分け、各列の意味を定めて整理したデータです。",{"id":73,"label":74,"shortDefinition":75,"supplement":76,"role":33},"structured-data","構造化データ","定義済みの列や項目に沿って整理され、形式が明確なデータです。",{"kind":77,"text":78},"example","顧客表や売上表などが代表例です。",{"id":80,"label":81,"shortDefinition":82,"role":33},"unstructured-data","非構造化データ","文章・画像・音声など、固定した表形式へ収まりにくいデータです。",{"id":84,"label":85,"shortDefinition":86,"role":33},"time-series-data","時系列データ","時刻の順序に沿って観測値を並べ、時間変化を表すデータです。",[88,93,102,111,120,126,132,139,154,163],{"id":89,"type":90,"title":7,"subtitle":91,"shortDefinition":92},"hero","HeroBlock","応答期限とデータ形状から処理方式を選ぶ","学習済みモデルへ新しい入力を与え、分類、数値、文章などの出力を得る処理です。",{"id":94,"type":95,"term":20,"definition":96,"plainExplanation":97,"presentation":98,"supportLabel":99,"keywords":100},"definition","DefinitionBlock","[[cloze:inference|推論]]とは、学習済みモデルへ新しい入力を与え、予測や生成の出力を得る処理です。","[[term:batch-inference|バッチ推論]]は多数の入力をまとめて処理し、[[term:real-time-inference|リアルタイム推論]]は対話中のような短い応答を重視します。[[term:asynchronous-inference|非同期推論]]は処理時間が長い要求を受け付けて後で結果を返します。[[term:serverless-inference|サーバーレス推論]]は常時稼働する基盤を持たず、変動する呼び出しに合わせやすい方式です。入力側では、[[term:labeled-data|ラベル付きデータ]]と[[term:unlabeled-data|ラベルなしデータ]]、表形式データ・時系列データ・画像・文章、構造化データと[[term:unstructured-data|非構造化データ]]を見分けます。","natural","見分けるポイント",[21,22,23,101,24],"サーバーレス",{"id":103,"type":104,"steps":105,"title":110},"decision-steps","StepBlock",[106,107,108,109],"利用者が結果を待てる時間を確認する。","一件ずつ来るか、大量データをまとめられるかを見る。","一件の処理時間と入力サイズが長いかを確認する。","呼び出し頻度の変動と常時容量の必要性を照合する。","推論方式を選ぶ4条件",{"id":112,"type":113,"title":114,"points":115,"body":119},"exam-cues","KeyPointBlock","判断で押さえる境界",[116,117,118],"期限はリアルタイム性を決める","件数と処理時間でバッチ・非同期を分ける","データ型は前処理とモデル選択の手掛かり","データ形式と推論方式は別の軸です。画像だから必ずリアルタイム、表形式だから必ずバッチとは決まりません。夜間に大量の画像を分類するならバッチ、窓口で一枚ずつ本人確認を補助するなら低遅延の推論というように、利用場面が方式を決めます。",{"id":121,"type":122,"src":123,"alt":124,"caption":125},"diagram","DiagramBlock","\u002Fassets\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Finference-modes-and-data-types\u002Finference-modes-and-data-types.svg","推論方式とデータの種類について短期限・少量、短期限・変動、待てる・大量、長時間・個別の関係を文字ラベルと矢印で示した図","応答期限と処理量の二軸で、リアルタイム、サーバーレス、バッチ、非同期の候補を整理します。データ形式は別に確認します。",{"id":127,"type":128,"scenario":129,"explanation":130,"result":131},"worked-example","ExampleBlock","毎晩100万件の売上行へ需要予測を付け、翌朝までに分析画面へ反映します。","利用者が一件ごとの即時応答を待っているわけではなく、同じ締切までに大量の表データを処理できます。したがってバッチ推論が自然です。売上行は列が定義された[[term:structured-data|構造化データ]]かつ[[term:tabular-data|表形式データ]]で、時刻順に追う場合は[[term:time-series-data|時系列データ]]として捉えます。","『大量だから高速エンドポイント』ではなく、期限とまとめ処理の可否からバッチを選べます。",{"id":133,"type":134,"warningTitle":135,"message":136,"severity":137,"action":138},"misconception","WarningBlock","サーバーレスは非同期の別名ではない","サーバーレスは容量管理の方式、非同期は要求を受けて後で結果を返す応答方式です。両者は比較軸が異なり、同じ意味として置き換えられません。","warning","問題文を、応答時間・処理量・一件の長さ・呼び出し変動の四つに分解します。",{"id":140,"type":141,"title":142,"questions":143},"quiz","QuizBlock","AIF-C01 判断チェック",[144],{"question":145,"choices":146,"answerIndex":149,"choiceExplanations":150},"翌朝までに大量の画像へラベルを付ける処理に最も合う方式はどれですか。",[36,147,148],"常に対話向けリアルタイム推論","学習をやり直さず人が一件ずつ回答",0,[151,152,153],"正解です。締切までにまとめて処理できます。","即時応答の要件がなく、常時容量は判断根拠になりません。","推論方式の選択になっておらず、規模にも合いません。",{"id":155,"type":156,"title":157,"points":158},"summary","SummaryBlock","まとめ",[159,160,161,162],"推論は学習済みモデルから出力を得る処理","応答期限と処理量で方式を選ぶ","非同期とサーバーレスは異なる軸","[[term:label|ラベル]]・形式・構造を別に分類する",{"id":164,"type":165,"title":166,"nextTopics":167,"relatedKeywords":169},"next-action","NextActionBlock","次は「教師あり・教師なし・強化学習」へ",[168],"it-aws-aws-certified-ai-practitioner-ai-ml-fundamentals-supervised-unsupervised-and-reinforcement-learning",[170,171,172],"教師あり学習","教師なし学習","強化学習",{"path":10,"title":19,"description":174,"parentPath":175,"accentToken":176},"AI、機械学習、学習方式、代表ユースケース、開発ライフサイクルを、AIF-C01の判断問題に沿って整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner","cloud-amber",{"title":178,"description":179,"canonicalUrl":180,"ogImage":181},"推論方式とデータの種類 | AWS Certified AI Practitioner","AIF-C01対策として推論方式とデータの種類の定義、判断軸、具体例、誤解しやすい境界を公式試験範囲に沿って学びます。","https:\u002F\u002Fzeqnilo.com\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Finference-modes-and-data-types","https:\u002F\u002Fzeqnilo.com\u002Fassets\u002Fsite\u002Fdefault-og.svg",[183,186,189,190,191],{"title":184,"path":185},"IT","\u002Fit",{"title":187,"path":188},"AWS","\u002Fit\u002Faws",{"title":17,"path":175},{"title":19,"path":10},{"title":7,"path":9},[],[194],{"id":168,"title":195,"summary":196,"canonicalPath":197,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":198},"教師あり・教師なし・強化学習","教師あり・教師なし・強化学習を、AIF-C01の公式objective 1.1.5に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Fsupervised-unsupervised-and-reinforcement-learning",[17,18,19,170,171,172,58,199],"報酬",[201],{"id":202,"title":203,"summary":204,"canonicalPath":205,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":206},"it-aws-aws-certified-ai-practitioner-ai-ml-fundamentals-ai-ml-deep-learning-and-agentic-ai","AI・ML・深層学習・エージェント型AI","AI・ML・深層学習・エージェント型AIを、AIF-C01の公式objective 1.1.2に沿って、包含関係、役割、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Fai-ml-deep-learning-and-agentic-ai",[17,18,19,207,208,209,210,211],"AI","機械学習","深層学習","生成AI","エージェント型AI",1787370539452]