DifícilMúltipla escolha

Questão de prática de MLA-C01

O pipeline de ML de uma empresa é executado em várias contas da AWS (dev, test, prod). Eles querem garantir que apenas modelos aprovados de um Model Registry central possam ser implantados na conta de produção. Qual combinação de serviços é MAIS apropriada para implementar essa governança?

Escolha a melhor resposta.

Resposta correta

  • DAWS Organizations com SCPs, AWS CodePipeline com ações entre contas e SageMaker Model Registry com status de aprovação.

Explicação

Combina o AWS Organizations com SCPs para aplicar políticas de implantação entre contas, o AWS CodePipeline com ações entre contas para orquestrar o pipeline nas contas dev/test/prod, e o SageMaker Model Registry com status de aprovação para controlar as implantações apenas para modelos aprovados. Isso garante que apenas modelos com o status 'Approved' no registro central possam ser implantados na conta de produção, atendendo ao requisito de governança.

Por que cada alternativa está certa ou errada

A

Incorreta

AWS Config, Amazon GuardDuty e AWS Security Hub.

Config, GuardDuty e Security Hub detectam e reportam desvios, ameaças e descobertas; nenhum deles bloqueia uma chamada de implantação. A imposição requer uma condição de IAM/SCP atrelada ao estado de aprovação do Model Registry. Esses serviços atendem à auditoria de conformidade contínua e à detecção de ameaças, e não a portões de autorização pré-implantação.

B

Incorreta

Amazon API Gateway, AWS Step Functions e Amazon DynamoDB.

API Gateway, Step Functions e DynamoDB podem orquestrar um fluxo de trabalho de aprovação e armazenar estado, mas ficam fora do caminho de implantação, de modo que uma chamada direta SageMaker CreateModel os contorna. Eles servem para construir um portal de aprovação personalizado, e não para impor autorização de implantação entre contas.

C

Incorreta

AWS Service Catalog, AWS KMS e AWS CloudTrail.

O Service Catalog governa os produtos provisionados, o KMS criptografa os artefatos e o CloudTrail registra a atividade da API após o fato. Nenhum deles avalia o status de aprovação do Model Registry no momento de CreateModel. Essa combinação atende ao controle de provisionamento em nível de portfólio e trilhas de auditoria, e não ao bloqueio de implantação de modelos não aprovados.

D

Correta

AWS Organizations com SCPs, AWS CodePipeline com ações entre contas e SageMaker Model Registry com status de aprovação.

As SCPs no AWS Organizations garantem que apenas modelos de registro aprovados sejam implantados na produção, enquanto as ações entre contas do CodePipeline movem artefatos entre contas. O status de aprovação do Model Registry controla a implantação, satisfazendo a restrição de governança central nas contas dev, test e prod.

E

Incorreta

AWS CloudFormation StackSets, Amazon EventBridge e AWS Lambda.

StackSets, EventBridge e Lambda podem reagir a eventos e implantar templates, mas agem após ou junto com a implantação em vez de negá-la. Um principal ainda pode chamar CreateModel diretamente. Isso se adapta à implantação automatizada de infraestrutura entre contas, e não à imposição de autorização vinculada à aprovação do registro.

Para se aprofundar

A governança de ML entre contas é aplicada combinando políticas organizacionais com controles de pipeline e metadados de modelos. As políticas de controle de serviço (SCPs) do AWS Organizations definem o limite externo, impedindo que a conta de produção implante artefatos não aprovados, mesmo que alguém tente. Um CodePipeline entre contas pode extrair um pacote de modelo aprovado do Model Registry central, onde o status de aprovação atua como portão de controle, e promovê-lo apenas quando esse status for Approved. A sutileza é que as SCPs sozinhas não conseguem expressar a qualidade do modelo; elas restringem ações, enquanto a aprovação do registro carrega a validação humana ou automatizada. Um cenário realista é uma equipe regulada que deve provar que apenas modelos validados chegam à produção: o pipeline recusa a implantação de um pacote cujo status no registro seja PendingManualApproval, e a SCP bloqueia qualquer tentativa de contornar o pipeline.

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.