Bonnes réponses
- CRéentraîner automatiquement le modèle lorsque la dérive dépasse les seuils
- DConfigurer Vertex AI Model Monitoring pour alerter sur les changements de distribution des caractéristiques
Explication
L'option D est correcte car Vertex AI Model Monitoring est le service conçu spécifiquement pour détecter la dérive des données en production ; il analyse en continu les requêtes de prédiction entrantes par rapport à une référence et émet une alerte lorsque les modifications de la distribution des caractéristiques (par exemple, le biais d'entraînement-service ou la dérive) dépassent les seuils configurés. L'option C est correcte car le réentraînement automatisé déclenché lorsque la dérive dépasse les seuils est l'action d'atténuation recommandée, bouclant la boucle de la détection à la correction afin que le modèle reste aligné sur les données actuelles. Ensemble, D fournit la détection et C fournit l'atténuation, ce qui correspond exactement à ce que demande la question. L'option A n'est pas recommandée car l'utilisation de modèles en ensemble traite la variance/précision des prédictions, et non la détection ou l'atténuation de la dérive des données. L'option B n'est pas recommandée car l'examen manuel quotidien n'est pas évolutif et ne peut pas quantifier de manière fiable la dérive distributionnelle. L'option E n'est pas recommandée car la surveillance des erreurs de prédiction ou de la faible confiance détecte la dégradation des performances mais n'identifie pas spécifiquement la dérive de la distribution des caractéristiques ni ne l'atténue.