MediaSelección múltiple

Pregunta de práctica de MLA-C01

¿Qué TRES componentes se requieren para configurar el reentrenamiento automatizado de un modelo en respuesta a la degradación del rendimiento utilizando Amazon SageMaker? (Seleccione TRES).

Elige todas las respuestas correctas.

Respuestas correctas

  • BUna alarma de CloudWatch que se activa cuando una métrica de calidad cae por debajo de un umbral.
  • CUn programa de SageMaker Model Monitor para capturar datos de inferencia y calcular métricas de calidad.
  • DUna función de AWS Lambda que inicia un trabajo de entrenamiento de SageMaker o la ejecución de un pipeline.

Explicación

La opción B es correcta porque una alarma de CloudWatch que supervisa una métrica de calidad del modelo (por ejemplo, MAE, F1) y se activa cuando supera un umbral es el mecanismo de detección que señala la degradación del rendimiento y puede invocar una acción. La opción C es correcta porque SageMaker Model Monitor (específicamente un programa de monitoreo con una línea base de calidad) captura datos de inferencia del endpoint y calcula las métricas de calidad que CloudWatch evalúa posteriormente. La opción D es correcta porque una función de AWS Lambda es el pegamento de automatización que, cuando es invocada por la alarma de CloudWatch (a través de SNS o EventBridge), llama a la API de SageMaker para iniciar un trabajo de entrenamiento o la ejecución de un pipeline para el reentrenamiento. La opción A no es necesaria porque la aprobación manual a través de una suscripción de correo electrónico de SNS es un paso humano en el ciclo (human-in-the-loop), no un componente del reentrenamiento automatizado. La opción E no es necesaria porque una variante de producción con cambio de tráfico canary es una estrategia de implementación para lanzar un nuevo modelo, no un requisito previo para activar el reentrenamiento.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Un tópico de Amazon SNS con una suscripción para enviar un correo electrónico de aprobación manual.

Un tópico de SNS con correo electrónico de aprobación manual introduce un filtro humano; el reentrenamiento automatizado debe activarse programáticamente a partir de una alarma de degradación sin esperar a una persona. Es tentador porque los pasos de aprobación se adaptan a cambios de producción de alto riesgo, y sería correcto donde la gobernanza requiere visto bueno antes de que se promueva un modelo.

B

Correcta

Una alarma de CloudWatch que se activa cuando una métrica de calidad cae por debajo de un umbral.

Una alarma de CloudWatch proporciona el activador de degradación que exige el escenario: evalúa continuamente una métrica de calidad del modelo frente a su umbral y se dispara cuando el rendimiento cae. Sin esta fuente de eventos, el reentrenamiento no se puede automatizar en respuesta a la degradación, solo programar. Satisface el requisito de detectar la declinación del rendimiento e iniciar el pipeline.

C

Correcta

Un programa de SageMaker Model Monitor para capturar datos de inferencia y calcular métricas de calidad.

El programa de Model Monitor captura solicitudes de inferencia en tiempo real y calcula métricas de calidad frente a una línea base, produciendo la señal de degradación. Esta evaluación continua es lo que detecta la desviación y alimenta la alarma, haciéndola esencial para el reentrenamiento automatizado.

D

Correcta

Una función de AWS Lambda que inicia un trabajo de entrenamiento de SageMaker o la ejecución de un pipeline.

Una función de AWS Lambda proporciona la capa de computación que traduce una alerta de degradación en acción, invocando ya sea un trabajo de entrenamiento de SageMaker independiente o la ejecución completa de un pipeline. Esto satisface la restricción de automatización: el reentrenamiento se activa sin intervención manual, conectando las alarmas de CloudWatch con las API de entrenamiento de SageMaker.

E

Incorrecta

Una variante de producción con una configuración de cambio de tráfico canary.

Un cambio de tráfico canary rige cómo una nueva versión del modelo recibe el tráfico de inferencia; no proporciona el monitoreo, el umbral o el activador de reentrenamiento que requiere la detección de degradación. Es tentador porque las canary forman parte de un despliegue seguro, y sería correcto al validar una nueva versión del modelo frente al tráfico real antes del despliegue completo.

Para profundizar

El reentrenamiento automatizado ante la degradación generalmente encadena tres piezas. Un programa de SageMaker Model Monitor se adjunta a un endpoint, captura las solicitudes y respuestas de inferencia en S3 y calcula métricas como la calidad comparando las predicciones con etiquetas de verdad fundamental fusionadas desde una línea base. Una alarma de CloudWatch observa esa métrica y se activa cuando supera un umbral. La acción de la alarma invoca una función de Lambda (o una regla de EventBridge) que inicia un trabajo de entrenamiento de SageMaker o la ejecución de un SageMaker Pipeline para reentrenar y registrar un nuevo modelo. Un tema de aprobación manual de SNS y una variante de cambio de tráfico canary son controles de implementación opcionales, no necesarios para el disparador de reentrenamiento en sí. Este patrón es importante cuando la desviación del modelo (drift) debe corregirse sin sondeos humanos.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de MLA-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.