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.