MediaOpción múltiple

Pregunta de práctica de PMLE

Una empresa implementa un modelo de clasificación en Vertex AI para la aprobación de préstamos. Después de un mes, notan que la precisión ha disminuido significativamente. ¿Qué deben hacer primero?

Elige la mejor respuesta.

Respuesta correcta

  • CVerificar la deriva de datos utilizando Vertex AI Model Monitoring

Explicación

Una caída repentina en la precisión indica que las predicciones del modelo ya no se alinean con la verdad de campo, lo cual es un síntoma clásico de deriva de datos (data drift). Vertex AI Model Monitoring puede detectar automáticamente la deriva en las distribuciones de características o en la salida de las predicciones en comparación con una línea base, lo que le permite identificar la causa raíz antes de tomar medidas correctivas. Reentrenar o revertir sin diagnosticar primero la deriva podría desperdiciar recursos o enmascarar el problema subyacente.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Reentrenar el modelo con más datos

El reentrenamiento es un paso de remediación, no de diagnóstico; sin confirmar primero la deriva de datos o los cambios de etiqueta, los nuevos datos pueden reproducir la misma pérdida de precisión. El reentrenamiento sería correcto una vez que el análisis identifique la causa, por ejemplo, deriva de características confirmada o deriva de concepto en los resultados recientes de los préstamos.

B

Incorrecta

Aumentar el número de nodos de predicción

Agregar nodos de predicción aumenta el rendimiento de servicio y reduce la latencia; no puede restaurar la precisión, que es una métrica de calidad del modelo no afectada por el escalado horizontal. El escalado de nodos sería correcto si el síntoma fueran tiempos de espera o colas bajo un mayor volumen de solicitudes, no una caída en la precisión de la clasificación.

C

Correcta

Verificar la deriva de datos utilizando Vertex AI Model Monitoring

La degradación de la precisión después de la implementación generalmente surge de que la distribución de entrada se aleja de los datos de entrenamiento. Vertex AI Model Monitoring calcula la deriva con respecto a la línea base de entrenamiento, por lo que verificarlo primero identifica si las distribuciones de características se han movido, abordando directamente la caída en la precisión antes de reentrenar o ajustar.

D

Incorrecta

Revertir a la versión anterior del modelo

La reversión restaura el comportamiento anterior pero descarta la causa; si la deriva continúa, el modelo antiguo también se degradará y la reversión puede incumplir los requisitos de auditoría. La reversión sería correcta cuando una implementación reciente introdujo la regresión y la versión anterior sigue siendo válida para los datos actuales.

Para profundizar

Vertex AI Model Monitoring compara el tráfico de servicio con una línea base de entrenamiento y calcula métricas de deriva como la divergencia de Jensen-Shannon para características categóricas y la distancia L-infinito normalizada para características numéricas, con umbrales configurables que activan alertas. Una caída de precisión en un modelo de aprobación de préstamos es un síntoma; el primer paso de diagnóstico es determinar si las distribuciones de entrada cambiaron, si las etiquetas cambiaron o si el propio modelo se degradó. Model Monitoring expone la asimetría (skew) y la deriva de características a través de Cloud Logging y la consola, y se puede combinar con la detección de asimetría entre entrenamiento y servicio. Reentrenar, escalar nodos de predicción o revertir son acciones de remediación que deben seguir a la evidencia. Aumentar los nodos de predicción solo agrega capacidad y no puede restaurar la precisión, por lo que actuar antes de verificar la deriva arriesga enmascarar un cambio en el canal de datos que volverá a ocurrir.

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.