MoyenneChoix unique

Question d'entraînement PMLE

Une équipe utilise Vertex AI Pipelines. Elle doit s'assurer que seuls certains membres de l'équipe peuvent déployer des modèles en production. Quelle est la meilleure approche ?

Choisissez la meilleure réponse.

Bonne réponse

  • CUtiliser des rôles IAM avec des permissions personnalisées sur Vertex AI Model Registry

Explication

Vertex AI Model Registry prend en charge les rôles IAM avec des permissions personnalisées, permettant un contrôle d'accès granulaire sur les personnes autorisées à promouvoir ou déployer des modèles en production. En attribuant des rôles spécifiques (par exemple, `roles/aiplatform.modelDeployer`) uniquement aux membres de l'équipe autorisés, vous pouvez restreindre les actions de déploiement tout en permettant à d'autres de visualiser ou d'enregistrer des modèles. Cette approche répond directement au besoin de contrôler les déploiements en production sans affecter les autres étapes du pipeline.

Pourquoi chaque option est juste ou fausse

A

Fausse

Utiliser Vertex AI Experiments pour suivre les modèles

Experiments suit les expériences, pas les permissions de déploiement.

B

Fausse

Stocker les artefacts du modèle dans un compartiment avec des permissions au niveau du compartiment

Les permissions du compartiment contrôlent l'accès au stockage, pas l'action de déploiement dans Vertex AI.

C

Juste

Utiliser des rôles IAM avec des permissions personnalisées sur Vertex AI Model Registry

Model Registry s'intègre à IAM pour accorder des permissions de déploiement spécifiques.

D

Fausse

Créer des projets séparés pour le développement et la production

Cela fournit une isolation mais ne contrôle pas les personnes spécifiques pouvant effectuer un déploiement au sein d'un projet.

Pour aller plus loin

Vertex AI Model Registry s'intègre à Cloud IAM, de sorte que le contrôle d'accès est appliqué via des rôles tels que roles/aiplatform.user, roles/aiplatform.admin ou des rôles personnalisés qui accordent aiplatform.models.upload et aiplatform.endpoints.deploy sur des ressources spécifiques. La subtilité réside dans le fait que la permission de déploiement est dissociable de l'entraînement et du suivi des expériences, de sorte qu'un rôle personnalisé peut autoriser le téléchargement de modèles mais refuser le déploiement de points de terminaison, et les conditions IAM peuvent restreindre davantage par nom de ressource ou étiquette. Cela importe lorsqu'une équipe de plateforme souhaite que les data scientists enregistrent des modèles librement tandis que seuls les ingénieurs de déploiement peuvent les promouvoir vers des points de terminaison de production, ce que les permissions au niveau du compartiment ou des projets séparés ne peuvent pas exprimer avec autant de précision sans dupliquer l'infrastructure.

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.