DifícilMúltipla escolha

Questão de prática de AI-102

Uma empresa de manufatura usa o Azure Custom Vision para detectar defeitos em uma linha de montagem. O modelo é implantado em um contêiner em um servidor de borda local. Recentemente, a precisão do modelo caiu. Você suspeita de desvio de dados. O que você deve fazer para monitorar e retreinar o modelo?

Escolha a melhor resposta.

Resposta correta

  • BColetar periodicamente novas imagens com rótulos, retreinar o modelo no Custom Vision e reimplantar o contêiner atualizado.

Explicação

Os modelos do Custom Vision implantados em contêineres em dispositivos de borda não expõem um endpoint REST que o monitoramento de desvio de dados do Azure Machine Learning possa acessar diretamente. A única maneira de detectar o desvio e retreinar é coletar periodicamente novas imagens rotuladas da linha de produção, retreinar o modelo no Custom Vision e reimplantar o contêiner atualizado no servidor de borda.

Por que cada alternativa está certa ou errada

A

Incorreta

Usar o monitoramento de desvio de dados do Azure Machine Learning no endpoint do Custom Vision.

O monitoramento de desvio do Azure Machine Learning tem como alvo modelos e conjuntos de dados registrados no AML, não endpoints de contêiner do Custom Vision executados em um servidor de borda. Seria correto para um modelo de AML com dados de inferência registrados em log, mas o Custom Vision não exporta nenhum endpoint compatível para monitores de desvio do AML.

B

Correta

Coletar periodicamente novas imagens com rótulos, retreinar o modelo no Custom Vision e reimplantar o contêiner atualizado.

O desvio de dados é combatido capturando novas imagens rotuladas da linha, retreinando no Custom Vision para que o modelo aprenda os padrões de defeitos atuais e, em seguida, exportando e reimplantando o contêiner atualizado para o servidor de borda. Isso restaura a precisão enquanto mantém a inferência local.

C

Incorreta

Configurar o Custom Vision para enviar alertas quando o desvio for detectado.

O Custom Vision não oferece capacidade de alerta de detecção de desvio; ele exporta apenas dados de modelo e previsão. Os alertas seriam adequados para conjuntos de dados do Azure Machine Learning com monitores de desvio, mas o enunciado requer a captura de dados de inferência de borda e o retreinamento, o que o Custom Vision não pode fazer sozinho.

D

Incorreta

Habilitar o aprendizado ativo no Custom Vision para retreinar automaticamente o modelo.

O aprendizado ativo apenas sinaliza imagens de baixa confiança para rotulagem manual e retreinamento por meio do portal; ele não detecta desvio de dados nem retreina automaticamente. É adequado para melhorar a precisão em amostras difíceis, e não para monitorar a mudança de distribuição em um contêiner implantado na borda.

Para se aprofundar

O Custom Vision exporta uma imagem de contêiner Docker que executa inferência offline no servidor de borda, mas o contêiner é estático: ele não realiza telemetria de volta para o Azure e não expõe nenhum endpoint de detecção de desvio, de modo que o monitoramento de desvio do Azure Machine Learning não pode se conectar a ele. O aprendizado ativo e os alertas de desvio são recursos do recurso do Custom Vision hospedado, não do contêiner exportado. O ciclo prático é capturar imagens de produção na borda, rotulá-las (muitas vezes com revisão humana de previsões de baixa confiança), carregá-las no projeto do Custom Vision, retreinar uma iteração e reexportar e reimplantar o contêiner. Uma sutileza: o retreinamento cria uma nova iteração e você deve publicá-la explicitamente antes da exportação. Isso importa em linhas de montagem onde a iluminação ou os fornecedores de peças mudam gradualmente.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AI-102 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.