[{"data":1,"prerenderedAt":173},["ShallowReactive",2],{"topic-page:\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Ftraditional-ml-vs-foundation-models":3},{"topic":4,"category":132,"seo":136,"breadcrumbs":141,"prerequisites":151,"nextTopics":152,"relatedTopics":160},{"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":47},"it-aws-aws-certified-ai-practitioner-ai-ml-fundamentals-traditional-ml-vs-foundation-models","traditional-ml-vs-foundation-models","従来型MLと基盤モデルの選択","従来型MLと基盤モデルの選択を、AIF-C01の公式objective 1.2.6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\u002Ftraditional-ml-vs-foundation-models","\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","基盤モデル","従来型機械学習","説明可能性","運用制約","モデル選択",[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","従来型MLと基盤モデルの選択について、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。",[30,37,40,43],{"id":31,"label":20,"shortDefinition":32,"supplement":33,"role":36},"foundation-model","大規模なデータで事前学習され、多様な下流タスクへ適応できるモデルです。",{"kind":34,"text":35},"misconception","すべての定型予測を、基盤モデルへ置き換える必要はありません。","primary",{"id":38,"label":21,"shortDefinition":39,"role":36},"traditional-machine-learning","特定タスク向けに、主に対象データから学習して予測する機械学習です。",{"id":41,"label":22,"shortDefinition":42,"role":36},"explainability","モデル出力の要因や根拠を、人が理解できる形で示せる性質です。",{"id":44,"label":45,"shortDefinition":46,"role":36},"reproducibility","再現性","同じ条件と手順を使ったとき、同等の結果を再現できる性質です。",[48,53,61,70,79,85,91,97,113,122],{"id":49,"type":50,"title":7,"subtitle":51,"shortDefinition":52},"hero","HeroBlock","出力の自由度、説明可能性、運用制約で選び分ける","大規模で多様なデータから事前学習され、プロンプトや追加調整によって幅広い下流タスクへ適用できるモデルです。",{"id":54,"type":55,"term":20,"definition":56,"plainExplanation":57,"presentation":58,"supportLabel":59,"keywords":60},"definition","DefinitionBlock","[[cloze:foundation-model|基盤モデル]]とは、大規模なデータで事前学習され、多様な下流タスクへ適応できるモデルです。","[[term:traditional-machine-learning|従来型ML]]は、構造化データから明確な一つの予測を行う場面で、軽量さや説明しやすさを得やすい選択です。多用途の事前学習済み方式は文章生成、要約、質問応答などへ適応できますが、出力の揺らぎ、費用、遅延、データ管理、[[term:explainability|説明可能性]]を検討します。『新しいモデルほど良い』ではなく、規制と業務制約を含む要件で選びます。","natural","見分けるポイント",[21,22,23,24],{"id":62,"type":63,"steps":64,"title":69},"decision-steps","StepBlock",[65,66,67,68],"出力が固定クラス・数値か、自由な文章や複数タスクかを確認する。","必要な説明可能性と[[term:reproducibility|再現性]]を確認する。","学習データ量、推論費用、遅延、運用能力を比較する。","規制、機密性、誤出力時の影響を満たす最小の方式を選ぶ。","モデル方式の選択軸",{"id":71,"type":72,"title":73,"points":74,"body":78},"exam-cues","KeyPointBlock","判断で押さえる境界",[75,76,77],"自由生成・多用途はFMの強み","明確な予測・軽量運用は従来型MLも有力","規制と説明要件を先に置く","顧客レビューから自由文の返信案を作るなら基盤モデルが自然ですが、融資審査の既知項目から確率を出し、理由を追跡する要件では従来型モデルが適する場合があります。FMを使えることと、統制された業務に採用できることは別です。",{"id":80,"type":81,"src":82,"alt":83,"caption":84},"diagram","DiagramBlock","\u002Fassets\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Ftraditional-ml-vs-foundation-models\u002Ftraditional-ml-vs-foundation-models.svg","従来型MLと基盤モデルの選択について従来型：狭い予測、FM：広い生成、説明・再現性、費用・遅延・統制の関係を文字ラベルと矢印で示した図","出力の自由度と運用制約を並べた比較図です。モデルの規模ではなく、業務要件との適合で選びます。",{"id":86,"type":87,"scenario":88,"explanation":89,"result":90},"worked-example","ExampleBlock","工場のセンサー値から故障確率を出す処理と、保守記録を要約して質問へ答える処理を比較します。","故障確率は構造化特徴量から狭い出力を得るため、従来型の分類モデルが軽量で説明しやすい候補です。記録要約と自然言語質問には、長い文章を扱える基盤モデルが候補です。ただし機密記録の扱い、根拠提示、誤回答時の人手確認を設計します。","同じ会社のAI案件でも、タスク単位で異なるモデル方式を選べます。",{"id":34,"type":92,"warningTitle":93,"message":94,"severity":95,"action":96},"WarningBlock","FMはすべてのMLを置き換えない","少数の特徴量から定型予測を行うだけなら、大規模モデルの柔軟性を使わずに費用と複雑性だけ増やす場合があります。","warning","必要な出力の自由度に対して、最小限の複雑さで要件を満たす方式を選びます。",{"id":98,"type":99,"title":100,"questions":101},"quiz","QuizBlock","AIF-C01 判断チェック",[102],{"question":103,"choices":104,"answerIndex":108,"choiceExplanations":109},"説明しやすい定型の不正分類を低遅延で大量実行したい場合、まず比較すべき候補はどれですか。",[105,106,107],"従来型の分類モデル","自由文生成を主目的とする大規模FM","評価せず最大モデルを採用",0,[110,111,112],"正解です。狭い予測と運用要件に合う可能性があります。","自由生成の能力が要件に直接必要とは限りません。","モデル選択基準を無視しています。",{"id":114,"type":115,"title":116,"points":117},"summary","SummaryBlock","まとめ",[118,119,120,121],"従来型MLは狭い予測で有力","FMは多用途・自由生成に強い","説明・再現性・費用・遅延を比較","規制と誤り影響を満たす方式を選ぶ",{"id":123,"type":124,"title":125,"nextTopics":126,"relatedKeywords":128},"next-action","NextActionBlock","次は「AI\u002FMLパイプラインとモデル提供」へ",[127],"it-aws-aws-certified-ai-practitioner-ai-ml-fundamentals-ai-ml-pipeline-model-sources-and-serving",[129,130,131],"AI\u002FMLパイプライン","事前学習モデル","管理API",{"path":10,"title":19,"description":133,"parentPath":134,"accentToken":135},"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":137,"description":138,"canonicalUrl":139,"ogImage":140},"従来型MLと基盤モデルの選択 | AWS Certified AI Practitioner","AIF-C01対策として従来型MLと基盤モデルの選択の定義、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\u002Ftraditional-ml-vs-foundation-models","https:\u002F\u002Fzeqnilo.com\u002Fassets\u002Fsite\u002Fdefault-og.svg",[142,145,148,149,150],{"title":143,"path":144},"IT","\u002Fit",{"title":146,"path":147},"AWS","\u002Fit\u002Faws",{"title":17,"path":134},{"title":19,"path":10},{"title":7,"path":9},[],[153],{"id":127,"title":154,"summary":155,"canonicalPath":156,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":157},"AI\u002FMLパイプラインとモデル提供","AI\u002FMLパイプラインとモデル提供を、AIF-C01の公式objective 1.3.1・1.3.2・1.3.3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\u002Fai-ml-pipeline-model-sources-and-serving",[17,18,19,129,130,131,158,159],"自己ホスト","モデル監視",[161],{"id":162,"title":163,"summary":164,"canonicalPath":165,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":166},"it-aws-aws-certified-ai-practitioner-ai-ml-fundamentals-ai-use-cases-and-aws-managed-services","AIユースケースとAWSマネージドサービス","AIユースケースとAWSマネージドサービスを、AIF-C01の公式objective 1.2.4・1.2.5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\u002Fai-use-cases-and-aws-managed-services",[17,18,19,167,168,169,170,171,172],"Amazon Transcribe","Amazon Translate","Amazon Comprehend","Amazon Lex","Amazon Polly","SageMaker AI",1787370539615]