1.2標準
本番で利用する特徴量の単位や分布が変化した。
モデル性能低下の原因を調べる。
調査として適切なものを2つ選べ。
× 不正解
特徴量ドリフトは分布だけでなく単位・範囲・欠損・カテゴリを訓練時と比較し、モデル版・性能・ラベル時系列と関連付けて調査する。
詳細解説
正しい訓練時と本番の分布、単位、範囲、欠損、カテゴリを特徴量ごとに比較する
入力側の変化を特定できる。
入力側の変化を特定できる。
問題の要件では、訓練時と本番の分布、単位、範囲、欠損、カテゴリを特徴量ごとに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。
正しい特徴量の変化をモデル版、性能、ラベル遅延と時系列で相関させる
原因を分離しやすい。
原因を分離しやすい。
問題の要件では、特徴量の変化をモデル版、性能、ラベル遅延と時系列で相関させ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。
誤り一つの特徴量が変わったら全てのモデルを再学習する
影響と原因を確認していない。
影響と原因を確認していない。
問題の要件では、一つの特徴量が変わったら全ての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。
誤り単位の変化は値の分布が同じなら無視する
値の意味が変わる可能性がある。
値の意味が変わる可能性がある。
問題の要件では、単位の変化は値の分布が同じなら無視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の特徴量ドリフト、データ品質、モデル監視を確認する。期待される結果
特徴量の分布・意味の変化と性能劣化を関連付けて調査できる。理解のポイント
- 特徴量ドリフト
- 単位
- 時系列
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
特徴量ドリフト
モデル入力となる特徴量の分布や意味が時間とともに変化すること。
データ契約
入力項目の型、単位、範囲、欠損、更新頻度を合意した仕様。
問題IDAWS-AIF-393
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