1.3標準
モデルを開発から本番運用へ移す。
データ・コード・モデル・評価を追跡し、更新後も戻せるようにする。
運用として適切なものを2つ選べ。
× 不正解
MLOpsではデータ・コード・モデル・設定・評価を追跡し、デプロイ後も品質・ドリフト・費用を監視して更新条件を管理する。
詳細解説
正しいデータ、コード、モデル、設定、評価結果をバージョン管理する
変更の再現と原因調査ができる。
変更の再現と原因調査ができる。
問題の要件では、データ、コード、モデル、設定、評価結果をバージョン管理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。
正しいデプロイ後の品質・ドリフト・費用を監視し、再学習とロールバック条件を決める
本番での劣化へ対応できる。
本番での劣化へ対応できる。
問題の要件では、デプロイ後の品質・ドリフト・費用を監視し、再学習とロールバック条件を決め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。
誤りモデルが動いたら評価と監視を終了する
データ分布やサービス条件が変化する。
データ分布やサービス条件が変化する。
問題の要件では、モデルが動いたら評価と監視を終了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。
誤り本番で直接モデルを編集する
変更が再現できず、レビューもできない。
変更が再現できず、レビューもできない。
問題の要件では、本番で直接モデルを編集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。
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 Domain 1.3の機械学習ライフサイクル、MLOps、監視を確認する。期待される結果
モデル開発と本番運用を連続したライフサイクルとして説明できる。理解のポイント
- バージョン
- 監視
- ロールバック
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
MLOps
機械学習の開発、評価、デプロイ、監視、再学習を継続的に管理する実践。
モデルレジストリ
モデル版、状態、評価、承認、デプロイ先を管理する場所。
問題IDAWS-AIF-254
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