DifícilMúltipla escolha

Questão de prática de Generative AI Leader

Um banco global deseja implantar um assistente de IA gerativa para funcionários em vários países europeus, cada um com leis rígidas de residência de dados. Qual estratégia de implantação é a mais em conformidade?

Escolha a melhor resposta.

Resposta correta

  • AImplantar instâncias de modelos separadas na região de nuvem de cada país.

Explicação

A implantação de instâncias de modelos separadas na região de nuvem de cada país garante que os dados nunca cruzem as fronteiras nacionais, cumprindo diretamente as leis rígidas de residência de dados, como os requisitos de localização de dados do GDPR. Esta estratégia utiliza infraestrutura de nuvem regional (por exemplo, AWS eu-central-1, Azure westeurope) para manter os dados de treinamento e de inferência dentro da jurisdição específica, evitando qualquer transferência transfronteiriça de dados.

Por que cada alternativa está certa ou errada

A

Correta

Implantar instâncias de modelos separadas na região de nuvem de cada país.

Garante que os dados nunca saiam do país, atendendo aos requisitos de conformidade local.

B

Incorreta

Usar uma abordagem de aprendizado federado onde os dados permanecem localmente nas instalações.

O aprendizado federado é para treinamento, não para inferência em tempo real; a inferência ainda exigiria que os dados saíssem.

C

Incorreta

Implantar um único modelo em uma região dos EUA e usar mascaramento de dados.

O mascaramento de dados pode não satisfazer as leis rígidas de residência; os dados ainda saem da região.

D

Incorreta

Usar uma API de terceiros que processa dados fora da Europa.

Isso provavelmente viola as leis de residência de dados ao exportar dados.

Para se aprofundar

Nos bastidores, esta estratégia aproveita os recursos de isolamento regional do provedor de nuvem, como AWS Local Zones ou Azure Availability Zones, que garantem que os dados nunca saiam da fronteira geográfica designada. Para inferência, o modelo pode ser colocado em contêiner (por exemplo, usando Docker com NVIDIA Triton Inference Server) e implantado via Kubernetes em várias regiões, com cada instância configurada para armazenar logs e caches localmente. Um cenário do mundo real é um banco implantando um assistente baseado no Llama 2 na Alemanha usando o AWS Frankfurt, onde os pesos do modelo são armazenados no S3 com políticas de bucket impondo apenas eu-central-1, e todas as solicitações de inferencia são roteadas via CloudFront com restrições geográficas.

Sobre estas questões de prática

Esta é uma das questões de prática originais de Generative AI Leader 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.