MLAMLソリューションの監視、メンテナンス、セキュリティ
金融機関が与信スコアリングモデルをAmazon SageMakerエンドポイントにデプロイしています。規制当局から、性別・年齢などの保護属性に基づく予測バイアスを継続的に監視・報告するよう求められています。最も適切な実装はどれですか？
ASageMaker Model Monitorのデータ品質モニタリングジョブをスケジュールし、入力特徴量の統計的分布の変化を監視する
SageMaker Model Monitorのデータ品質モニタリングは特徴量分布変化のみを検出しバイアス指標は算出しません。
BSageMaker Clarifyのバイアスドリフトモニタリングジョブをスケジュールし、保護属性に対するバイアス指標を継続的に計算・監視する
✓ 正解
SageMaker Clarifyのバイアスドリフトモニタリングは、本番エンドポイントへのリクエストと予測結果を収集し、バイアス指標を定期計算します。
CAmazon SageMaker Debuggerを使用してモデルトレーニング中のバイアスをリアルタイムで検出する
Amazon SageMaker Debuggerはトレーニング時専用で本番監視には使えません。
DAmazon QuickSightダッシュボードを構築し、推論結果をMLエンジニアが週次で手動分析する
Amazon QuickSightによる週次手動分析は継続的な自動監視要件を満たしません。
解説
SageMaker Clarifyのバイアスドリフトモニタリングは、本番エンドポイントへのリクエストと予測結果を収集し、バイアス指標を定期計算します。
選択肢AのSageMaker Model Monitorのデータ品質モニタリングは特徴量分布変化のみを検出しバイアス指標は算出しません。
選択肢CのAmazon SageMaker Debuggerはトレーニング時専用で本番監視には使えません。
選択肢DのAmazon QuickSightによる週次手動分析は継続的な自動監視要件を満たしません。
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 →