MLAMLモデルの開発
あるデータサイエンティストが SageMaker でディープラーニングモデルをトレーニングしています。エポック 10 以降、トレーニング損失は減少しているにも関わらず検証損失が増加し始め、過学習（オーバーフィッティング）が疑われます。トレーニングコストを削減するため、この状況を自動検出してジョブを停止したいと考えています。最も適切な SageMaker の機能はどれですか？
ASageMaker Model Monitor を使用してエンドポイントのデータドリフトを監視する
「Model Monitor」は、デプロイ後のエンドポイント監視に使用されます。
BSageMaker Debugger のビルトインルール（Overfit ルール）を設定し、検出時にトレーニングを自動停止するアクションを構成する
✓ 正解
SageMaker Debugger はトレーニング中にテンソルデータをリアルタイムで収集・分析します。Overfit や LossNotDecreasing などのビルトインルールが用意されており、条件合致時に SNS 通知やトレーニングジョブの自動停止アクションをトリガーできます。
CSageMaker Experiments でメトリクスを記録し、手動で損失の傾向を比較する
「Experiments」は、実験管理に使用されます。
DSageMaker Clarify を使用してモデルのバイアスと公平性を分析する
「Clarify」は、バイアス分析に使用されます。トレーニング中の異常検出には Debugger が最適です。
解説
SageMaker Debugger はトレーニング中にテンソルデータをリアルタイムで収集・分析します。Overfit や LossNotDecreasing などのビルトインルールが用意されており、条件合致時に SNS 通知やトレーニングジョブの自動停止アクションをトリガーできます。
選択肢Aの「Model Monitor」は、デプロイ後のエンドポイント監視に使用されます。
選択肢Cの「Experiments」は、実験管理に使用されます。
選択肢Dの「Clarify」は、バイアス分析に使用されます。トレーニング中の異常検出には Debugger が最適です。
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MLA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 →