AIF責任あるAIのガイドライン
ある金融機関が Amazon SageMaker でトレーニングしたローン審査モデルを本番環境で運用しています。デプロイ時には Amazon SageMaker Clarify で公平性を検証しましたが、時間の経過とともに入力データの分布が変化し、特定の人口統計グループに偏った予測が生じ始める可能性を懸念しています。本番環境でのモデルバイアスを継続的かつ自動的に検出するには、どのサービス・機能を使用すべきですか？
AAmazon SageMaker Clarify のバイアス分析を AWS Lambda でスケジュール実行する
SageMaker Clarifyはトレーニング前後のバイアス分析に優れていますが、本番環境での継続的リアルタイム監視には設計されておらず、Lambda でのスケジュール実行は自動化・継続性の面で不十分です。
BAmazon SageMaker Model Monitor のモデルバイアスモニタリングジョブを設定する
✓ 正解
Amazon SageMaker Model Monitor は本番エンドポイントに対して継続的な自動モニタリングを提供するサービスです。「モデルバイアスモニタリング」機能では、デプロイ済みモデルの予測値をベースラインと継続比較し、統計的バイアスの発生を自動検出できます。
CAmazon SageMaker Pipelines でバイアス検出ステップを定期的にトリガーする
SageMaker PipelinesはMLワークフローのオーケストレーションツールであり、本番エンドポイントのリアルタイムバイアス監視機能はありません。
DAWS Glue DataBrew のデータプロファイリング機能でバイアスを監視する
Glue DataBrewはデータ準備・変換ツールであり、デプロイ済みモデルのバイアスモニタリングには対応していません。
解説
Amazon SageMaker Model Monitor は本番エンドポイントに対して継続的な自動モニタリングを提供するサービスです。「モデルバイアスモニタリング」機能では、デプロイ済みモデルの予測値をベースラインと継続比較し、統計的バイアスの発生を自動検出できます。
選択肢AのSageMaker Clarifyはトレーニング前後のバイアス分析に優れていますが、本番環境での継続的リアルタイム監視には設計されておらず、Lambda でのスケジュール実行は自動化・継続性の面で不十分です。
選択肢CのSageMaker PipelinesはMLワークフローのオーケストレーションツールであり、本番エンドポイントのリアルタイムバイアス監視機能はありません。
選択肢DのGlue DataBrewはデータ準備・変換ツールであり、デプロイ済みモデルのバイアスモニタリングには対応していません。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →