1.2標準
本番の精度が低下した。
入力分布の変化とラベル品質の問題を分けて調べる。
調査として適切なものを2つ選べ。
× 不正解
本番劣化は入力分布・欠損・単位と、ラベル品質・定義・モデル版を分けて比較し、原因を特定してから対処する。
詳細解説
正しい訓練時と本番の入力分布、欠損、単位、カテゴリ比率を比較する
データドリフトを確認できる。
データドリフトを確認できる。
問題の要件では、訓練時と本番の入力分布、欠損、単位、カテゴリ比率を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。
正しい新しい正解ラベルの遅れ・誤り・定義変更とモデル版を確認する
品質低下の原因を分離できる。
品質低下の原因を分離できる。
問題の要件では、新しい正解ラベルの遅れ・誤り・定義変更とモデル版を確認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。
誤り精度が下がったら必ずモデルを再学習する
データやラベルの問題を見逃す。
データやラベルの問題を見逃す。
問題の要件では、精度が下がったら必ずモデルを再学習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。
誤り入力分布は変わらないと仮定し出力だけを調整する
原因分析なしの対症療法になる。
原因分析なしの対症療法になる。
問題の要件では、入力分布は変わらないと仮定し出力だけを調整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 1.2のデータドリフト、ラベル品質、モデル監視を確認する。期待される結果
モデル劣化をデータ・ラベル・モデルの仮説に分解して調査できる。理解のポイント
- ドリフト
- ラベル品質
- 原因分離
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
本番入力の分布や統計が訓練時から変わること。
ラベルドリフト
正解の定義やラベル付け過程が時間とともに変化すること。
問題IDAWS-AIF-293
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