Bonne réponse
- CVérifier la dérive des données à l'aide de Vertex AI Model Monitoring
Explication
Une baisse soudaine de la précision indique que les prédictions du modèle ne s'alignent plus sur la réalité terrain, ce qui est un symptôme classique de dérive des données (data drift). Vertex AI Model Monitoring peut détecter automatiquement la dérive dans les distributions de caractéristiques ou les sorties de prédiction par rapport à une base de référence, vous permettant d'identifier la cause racine avant de prendre des mesures correctives. Réentraîner ou revenir en arrière sans diagnostiquer d'abord la dérive pourrait gaspiller des ressources ou masquer le problème sous-jacent.
Pour aller plus loin
Vertex AI Model Monitoring compare le trafic de service à une base de référence d'entraînement et calcule des métriques de dérive telles que la divergence de Jensen-Shannon pour les caractéristiques catégorielles et la distance L-infini normalisée pour les caractéristiques numériques, avec des seuils configurables qui déclenchent des alertes. Une baisse de précision sur un modèle d'approbation de prêt est un symptôme ; la première étape de diagnostic consiste à déterminer si les distributions d'entrée ont changé, si les étiquettes ont changé ou si le modèle lui-même s'est dégradé. Model Monitoring fait surface à l'asymétrie (skew) et à la dérive des caractéristiques via Cloud Logging et la console, et peut être associé à la détection d'asymétrie entre entraînement et service. Réentraîner, mettre à l'échelle les nœuds de prédiction ou revenir en arrière sont des actions de remédiation qui doivent suivre les preuves. L'augmentation des nœuds de prédiction ne fait qu'ajouter de la capacité et ne peut pas restaurer la précision, donc agir avant de vérifier la dérive risque de masquer un changement de pipeline de données qui se reproduira.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement PMLE originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.