1.3標準
顧客離反予測モデルを本番へ導入する。
データ準備、訓練、評価、デプロイの関係を整理する。
一般的な機械学習ライフサイクルの説明として適切なものはどれか。
× 不正解
ML開発は目的定義、データ準備、訓練、評価、デプロイ、監視を繰り返す。評価データの分離と本番後の監視が重要である。
詳細解説
誤り評価データを訓練データへ混ぜれば、未知データへの性能を測定できる
評価データを混ぜるとデータリークが起こり、汎化性能を正しく測れない。
誤り本番デプロイ後に初めて目的と評価指標を決める
目的と評価指標は開発前に決め、結果を判断できるようにする。
正しい目的とデータを定義し、準備・訓練・評価を経てデプロイし、運用中も監視する
モデル開発は一度で終わらず、評価と運用監視を含む反復的なライフサイクルになる。
誤りデプロイすればデータ分布の変化を監視する必要はない
本番データの変化やモデルドリフトを継続的に確認する必要がある。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AWS公式AIF-C01ガイドのDomain 1.3で、AI/ML開発ライフサイクルの各段階を確認する。
参考にした公式資料
確認できる内容
開発前の目的定義から本番後の監視までを一連のライフサイクルとして説明できる。
理解のポイント
- データ準備
- 評価データの分離
- 本番監視
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- AWS公式ドキュメントの対象サービス・機能の説明と、AIF-C01の対応Taskを確認する。
- サービスの提供範囲と、利用者が設計・設定する範囲を混同しない。
基礎のおさらい
データリーク
評価用の情報が訓練に混ざると、未知データへの性能を過大評価する。
モデルドリフト
本番の入力分布や関係性が変わると、以前の評価結果どおりの性能を維持できない場合がある。
問題IDAWS-AIF-007
確認環境AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告