DifícilOpción múltiple

Pregunta de práctica de AI-102

Una empresa de fabricación utiliza Azure Custom Vision para detectar defectos en una línea de montaje. El modelo se implementa en un contenedor en un servidor perimetral local. Recientemente, la precisión del modelo disminuyó. Sospecha que hay deriva de datos. ¿Qué debe hacer para supervisar y reentrenar el modelo?

Elige la mejor respuesta.

Respuesta correcta

  • BRecopilar periódicamente nuevas imágenes con etiquetas, reentrenar el modelo en Custom Vision y volver a desplegar el contenedor actualizado.

Explicación

Los modelos de Custom Vision desplegados en contenedores en dispositivos perimetrales no exponen un endpoint REST al que el monitoreo de deriva de datos de Azure Machine Learning pueda acceder directamente. La única forma de detectar la deriva y reentrenar es recopilar periódicamente nuevas imágenes etiquetadas de la línea de producción, reentrenar el modelo en Custom Vision y volver a desplegar el contenedor actualizado en el servidor perimetral.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Utilizar la supervisión de deriva de datos de Azure Machine Learning en el endpoint de Custom Vision.

El monitoreo de deriva de Azure Machine Learning se dirige a modelos y conjuntos de datos registrados en AML, no a endpoints de contenedores de Custom Vision que se ejecutan en un servidor perimetral. Sería correcto para un modelo de AML con datos de inferencia registrados, pero Custom Vision no exporta ningún endpoint compatible para los monitores de deriva de AML.

B

Correcta

Recopilar periódicamente nuevas imágenes con etiquetas, reentrenar el modelo en Custom Vision y volver a desplegar el contenedor actualizado.

La deriva de datos se contrarresta capturando imágenes frescas etiquetadas de la línea, reentrenando en Custom Vision para que el modelo aprenda los patrones de defectos actuales, y luego exportando y desplegando el contenedor actualizado en el servidor perimetral. Esto restablece la precisión mientras mantiene la inferencia local.

C

Incorrecta

Configurar Custom Vision para enviar alertas cuando se detecte deriva.

Custom Vision no ofrece capacidad de alerta de detección de deriva; solo exporta datos de modelos y predicciones. Las alertas se ajustarían a los conjuntos de datos de Azure Machine Learning con monitores de deriva, pero el enunciado requiere capturar datos de inferencia perimetral y reentrenar, lo que Custom Vision no puede realizar por sí solo.

D

Incorrecta

Habilitar el aprendizaje activo en Custom Vision para reentrenar automáticamente el modelo.

El aprendizaje activo solo marca imágenes de baja confianza para el etiquetado manual y el reentrenamiento a través del portal; no detecta la deriva de datos ni reentrena automáticamente. Es adecuado para mejorar la precisión en muestras difíciles, no para supervisar el desplazamiento de distribución en un contenedor desplegado en el perímetro.

Para profundizar

Custom Vision exporta una imagen de contenedor de Docker que ejecuta inferencias sin conexión en el servidor perimetral, pero el contenedor es estático: no realiza telemetría de vuelta a Azure y no expone ningún punto de conexión de detección de deriva, por lo que el monitoreo de deriva de Azure Machine Learning no puede conectarse a él. El aprendizaje activo y las alertas de deriva son características del recurso de Custom Vision alojado, no del contenedor exportado. El ciclo práctico consiste en capturar imágenes de producción en el perímetro, etiquetarlas (a menudo con revisión humana de predicciones de baja confianza), cargarlas en el proyecto de Custom Vision, reentrenar una iteración y volver a exportar y desplegar el contenedor. Una sutileza: el reentrenamiento crea una nueva iteración y debe publicarla explícitamente antes de exportarla. Esto importa en las líneas de montaje donde la iluminación o los proveedores de piezas cambian gradualmente.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de AI-102 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.