セクション4：モデルのサービングとスケール（~20%）★最重要
訓練済みモデルを本番環境で配信する全領域。バッチ/オンライン推論、Model Registry、Feature Store オンライン取得、A/B テスト、カナリア、ハードウェア選定、Edge までを扱う。比重 20%、出題数の中核。
このセクションのゴール
- バッチ推論とオンライン推論の使い分けを即答できる
- Agent Platform Inference / Cloud Run / GKE の使い分けを説明できる
- Model Registry でバージョン管理とロールアウト戦略（A/B / カナリア）を設計できる
- Feature Store の Online Store でオンライン特徴量取得を設計できる
- パブリック/プライベートエンドポイントの違いを理解し、適切に選べる
- 推論の前処理・後処理パターンを実装できる
学習ファイル
| ファイル | 想定読者 | 内容 |
|---|---|---|
| 01_基礎.md | 📘 新人 | バッチ/オンライン推論・Endpoint・Model Registry の基本 |
| 02_応用.md | 🔧 中堅 | スケーリング・ロールアウト戦略・Edge・コスト最適化 |
| 03_要点と暗記.md | 🎯 全員 | 意思決定ツリーと頻出問題パターン |
試験ガイド対応
| サブセクション | 公式記載 |
|---|---|
| 4.1 | モデルのサービング（バッチ/オンライン推論、Model Registry、ロールアウト戦略） |
| 4.2 | オンラインモデルサービングのスケール（Feature Store、エンドポイント、ハードウェア、スループット） |