FácilMúltipla escolha

Questão de prática de MLA-C01

Uma equipe de ciência de dados implanta um endpoint de inferência em tempo real no Amazon SageMaker. Eles desejam monitorar a desviação de dados (data drift) nas características de entrada ao longo do tempo. Qual serviço da AWS eles devem usar para capturar e analisar a distribuição de dados de entrada?

Escolha a melhor resposta.

Resposta correta

  • CAmazon SageMaker Model Monitor

Explicação

O Amazon SageMaker Model Monitor é o serviço correto porque foi projetado especificamente para monitorar continuamente modelos de aprendizado de máquina em produção quanto a desvios de dados e problemas de qualidade. Ele captura automaticamente distribuições de dados de entrada de endpoints de inferência em tempo real e as compara com uma linha de base para detectar alterações estatísticas, alertando a equipe quando ocorre desvio.

Por que cada alternativa está certa ou errada

A

Incorreta

Amazon Athena

O Athena consulta dados já armazenados no S3; ele não pode capturar tráfego de endpoint ao vivo, portanto nenhuma distribuição de entrada chega até ele. O SageMaker Model Monitor coleta os dados de inferência do endpoint e os grava no S3 para análise de desvio. O Athena é tentador porque analisa dados do S3 com SQL e seria correto para consultar relatórios de monitoramento exportados após a captura.

B

Incorreta

AWS CloudTrail

O CloudTrail registra a atividade de API da AWS para auditoria e governança, não os valores de recursos enviados a um endpoint, portanto não pode capturar distribuições de entrada. É tentador porque é um serviço de log onipresente e a detecção de desvio soa como monitoramento. O SageMaker Model Monitor, usando sua configuração de captura de dados, é o serviço construído para isso.

C

Correta

Amazon SageMaker Model Monitor

O Amazon SageMaker Model Monitor captura dados de solicitação de endpoint e compara sua distribuição com uma linha de base, detectando desvio em características de entrada. Ele atende ao requisito de monitoramento contínuo e automatizado de desvio de dados em um endpoint de inferência em tempo real ao vivo, publicando violações no Amazon CloudWatch com limites configuráveis.

D

Incorreta

Amazon CloudWatch Logs

O CloudWatch Logs armazena logs de texto, não os vetores de características de que o Model Monitor precisa para comparação de distribuição, e não fornece linha de base de desvio ou estatísticas. É tentador porque os endpoints emitem logs e alarmes do CloudWatch sobre métricas, o que se adapta ao monitoramento operacional, como latência ou taxas de erro, em vez de desvio de dados.

Para se aprofundar

O SageMaker Model Monitor captura dados de entrada e saída do endpoint no S3 por meio da DataCaptureConfig e, em seguida, executa trabalhos de monitoramento agendados que comparam a distribuição de dados ao vivo com uma linha de base calculada a partir de dados de treinamento. Ele calcula estatísticas e restrições usando o mesmo mecanismo baseado em Deequ do SageMaker Data Wrangler e emite violações para métricas do CloudWatch e o console do SageMaker. Um comportamento sutil: a captura de dados deve ser habilitada no momento da criação do endpoint; você não pode capturar dados retroativamente de um endpoint já em execução sem atualizá-lo, e a porcentagem de amostragem de captura controla o custo. Isso importa quando a distribuição de características de entrada de um modelo muda, por exemplo, quando uma promoção altera o comportamento do cliente, e você precisa detectar isso antes que a qualidade da predição se degrade.

Sobre estas questões de prática

Esta é uma das questões de prática originais de MLA-C01 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.