1.2標準
ローン審査モデルの本番データ分布が、学習時と変わり始めた。
再学習が必要か判断したい。
監視として適切なものを2つ選べ。
× 不正解
データドリフトは入力分布の変化であり、特徴量分布と期間・群別の性能を継続監視して再評価のきっかけを作る。
詳細解説
正しい主要な特徴量の分布を学習時と定期比較する
入力分布の変化を検出することで、データドリフトの兆候を把握できる。
入力分布の変化を検出することで、データドリフトの兆候を把握できる。
問題の要件では、主要な特徴量の分布を学習時と定期比較するが解決する範囲と、別の工程が担う範囲を分けて判断する。
正しい性能指標を期間・顧客群ごとに追跡する
分布変化が実際の予測品質やグループ別影響に現れていないか確認できる。
分布変化が実際の予測品質やグループ別影響に現れていないか確認できる。
問題の要件では、性能指標を期間・顧客群ごとに追跡するが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤りモデルの出力が同じなら入力データを監視しない
出力だけでは潜在的な分布変化を見逃す可能性がある。
出力だけでは潜在的な分布変化を見逃す可能性がある。
問題の要件では、モデルの出力が同じなら入力データを監視しないが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤り一度デプロイしたモデルを永久に再評価しない
環境や業務条件は変化するため継続監視が必要である。
環境や業務条件は変化するため継続監視が必要である。
問題の要件では、一度デプロイしたモデルを永久に再評価しないが解決する範囲と、別の工程が担う範囲を分けて判断する。
実際に確かめる
一時的な検証環境で実行できる例です。
AWS公式AIF-C01試験ガイドDomain 1.2のモデル監視、データ品質、ドリフトを確認する。期待される結果
入力分布と性能を別々に監視し、再評価条件を定義できる。理解のポイント
- 分布変化
- 性能監視
- 継続評価
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公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
データドリフト
学習時と本番時で入力データの分布や特徴が変化すること。
モデル監視
入力、出力、性能、コスト、遅延などを継続的に測定し異常を検出する運用。
問題IDAWS-AIF-094
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