Resposta correta
- BOs dados de entrada contêm valores fora do intervalo não vistos durante o treinamento, fazendo com que o modelo retorne NaN.
Explicação
A saída NaN (Not a Number) de um endpoint em tempo real do SageMaker é mais comumente causada por dados de entrada contendo valores fora do intervalo visto durante o treinamento. Isso pode levar à instabilidade numérica na passagem direta (forward pass) do modelo, como divisão por zero, log de zero ou estouro de expoente (overflow), que se propaga através das camadas e resulta em previsões NaN.
Para se aprofundar
Os endpoints em tempo real do SageMaker registram erros de inferência e problemas de payload nos CloudWatch Logs. Uma saída NaN surge mais comumente quando as características de entrada caem fora da distribuição com a qual o modelo foi treinado, produzindo instabilidade numérica como estouro (overflow), divisão por zero ou operações indefinidas no grafo do modelo. Pesos corrompidos ou uma falha no carregamento de artefatos normalmente impediriam o endpoint de atender requisições ou produziriam erros consistentes no momento do carregamento, e não NaNs dependentes da entrada. A sobrecarga retorna limitação de taxa (throttling) ou erros 5xx, e não NaN. Na prática, valide os intervalos de características de entrada, adicione validação ou corte de entradas (clipping) e monitore o desvio de dados (data drift). Se apenas determinadas solicitações gerarem NaN, os dados de entrada são a causa provável, razão pela qual valores fora do intervalo são a causa raiz mais provável.
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.