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.
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.