FácilSelección múltiple

Pregunta de práctica de PMLE

¿Cuáles DOS son prácticas recomendadas para implementar modelos en Vertex AI Prediction? (Elija 2.)

Elige todas las respuestas correctas.

Respuestas correctas

  • ASupervise la latencia de predicción y las tasas de error con alertas de Cloud Monitoring.
  • CUtilice una cuenta de servicio dedicada con permisos mínimos para el extremo.

Explicación

La opción A es correcta porque Vertex AI Prediction expone métricas integradas, como la latencia de predicción, el recuento de solicitudes y las tasas de error, en Cloud Monitoring, y configurar políticas de alertas en estas métricas es una práctica recomendada de operaciones para detectar tempranamente la degradación del modelo o fallas en el extremo. La opción C es correcta porque el extremo y la implementación del modelo deben ejecutarse bajo una cuenta de servicio dedicada limitada con roles de IAM de menor privilegio (por ejemplo, solo los permisos necesarios para leer artefactos de modelos desde Cloud Storage y escribir registros), lo que limita el radio de explosión si el extremo se ve comprometido. La opción B no es una práctica recomendada porque registrar todas las entradas y salidas de predicción sin procesar puede exponer datos confidenciales (PII), incurrir en altos costos de registro y no se requiere para la auditoría; se prefiere el muestreo o la redacción. La opción D es incorrecta porque los entornos de entrenamiento y servicio suelen estar desacoplados, y Vertex AI admite la implementación de modelos en todos los entornos siempre que el contenedor de servicio y las dependencias sean compatibles; forzar entornos idénticos no es una práctica recomendada de implementación. La opción E es incorrecta porque depender únicamente del alias predeterminado 'default' para todas las implementaciones elimina el control de versiones y dificulta la reversión o las pruebas A/B; se deben utilizar versiones de modelos explícitas e inmutables o alias dedicados.

Por qué cada opción es correcta o incorrecta

A

Correcta

Supervise la latencia de predicción y las tasas de error con alertas de Cloud Monitoring.

Las alertas de Cloud Monitoring sobre la latencia de predicción y las tasas de error muestran la degradación antes de que los usuarios se vean afectados de manera generalizada, lo que permite una reversión o escalado oportunos. Esta práctica de observabilidad es esencial para mantener implementaciones confiables de Vertex AI Prediction en producción.

B

Incorrecta

Registre todas las entradas y salidas de predicción sin procesar de cada solicitud para fines de auditoría.

El registro indiscriminado de cada entrada y salida de predicción sin procesar captura datos confidenciales de los clientes, lo que infla el costo de almacenamiento y vulnera las obligaciones de privacidad. La auditoría requiere muestreo o redacción, no una captura generalizada. El registro completo es adecuado para depurar una solicitud con errores específicos, no para la implementación rutinaria en producción de un modelo de Vertex AI.

C

Correcta

Utilice una cuenta de servicio dedicada con permisos mínimos para el extremo.

Una cuenta de servicio dedicada acotada únicamente a los permisos que el extremo necesita aplica el principio de privilegios mínimos, lo que limita el radio de explosión si el contenedor se ve comprometido. Esto satisface directamente el requisito de la práctica recomendada de seguridad para las implementaciones de Vertex AI Prediction, en lugar de reutilizar credenciales predeterminadas amplias.

D

Incorrecta

Implemente siempre el modelo en el mismo entorno de entrenamiento para evitar incompatibilidades.

La implementación en el entorno de entrenamiento confunde la infraestructura con la compatibilidad; Vertex AI Prediction sirve modelos desde un contenedor administrado independientemente de dónde se haya ejecutado el entrenamiento. Fijar la implementación al host de entrenamiento impide el escalado independiente y el servicio reproducible. Se adaptaría a la inferencia local estrechamente acoplada, no a extremos administrados de Vertex AI.

E

Incorrecta

Utilice el alias de versión de modelo predeterminado 'default' para todas las implementaciones a fin de simplificar las actualizaciones.

Reutilizar el alias 'default' para cada implementación sobrescribe el puntero, por lo que la reversión y la división de tráfico entre versiones se vuelven imposibles. Los alias existen para etiquetar versiones específicas para una implementación gradual o pruebas canary. La práctica correcta asigna alias distintos por versión y desplaza el tráfico de manera deliberada entre ellos.

Para profundizar

Los extremos de Vertex AI admiten la división de tráfico entre versiones de modelos mediante alias, que es la forma en que se implementan las implementaciones canary y las pruebas A/B. Cada modelo implementado se ejecuta en un contenedor con una cuenta de servicio especificada; esa cuenta de servicio necesita los roles roles/aiplatform.user y acceso a cualquier recurso de respaldo como GCS o BigQuery, pero nada más. Cloud Monitoring se integra de forma nativa con Vertex AI para exponer métricas como prediction/response_count, prediction/latencies y prediction/error_count, y se pueden crear políticas de alertas sobre estas. Un comportamiento sutil: Vertex AI no registra cargas útiles de solicitudes/respuestas sin procesar por defecto por razones de privacidad; debe habilitar explícitamente el registro de solicitudes y respuestas, e incluso entonces se muestrea y almacena en Cloud Logging con una retención configurable. En industrias reguladas, los equipos habilitan el registro con redacción de información de identificación personal (PII) y retención corta, y utilizan controles de servicio de VPC para evitar la exfiltración de datos del extremo.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de PMLE 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.