シナリオ問題計算

金融機関が、1日あたり320万件の口座取引データから不正検知を行うシステムを構築します。異常検知モデルは、過去24か月の約8600万件の取引データで訓練された上、毎日200件の新しい詐欺パターンでリトレーニングされます。検知精度は99.5%以上を維持し、新規取引の判定レイテンシは平均800msec以内である必要があります。このシナリオに最適なAzureサービスの組み合わせはどれか?

A.Azure Machine Learning + Azure Databricks (自動再トレーニング) + Azure Cosmos DB← 正解
✓ 正解です。ML は毎日200件の新規詐欺パターンでモデルを自動再トレーニング、Databricks は大規模データ処理と継続的学習を実現、Cosmos DB は秒単位のキャッシングで800msec以内の応答時間と99.5%精度を達成します。
B.Azure Synapse Analytics のみ
✗ Synapse Analytics は大規模分析に向きますが、自動リトレーニング機能が限定的で、秒単位の推論レイテンシ要件(800msec)を満たすための推論エンジン機能が不足しています。
C.Azure Stream Analytics + Azure Event Hubs + Power BI Real-time
✗ Stream Analytics は取引ストリーム処理には向きますが、複雑な異常検知モデルのトレーニング・リトレーニング、99.5%精度達成の機械学習機能が不足しています。
D.Azure SQL Data Warehouse + Azure Logic Apps
✗ SQL Data Warehouse + Logic Apps は、1日320万件の取引処理と複雑な詐欺パターン学習には適していない構成で、自動リトレーニング機能が実装困難です。

この問題のポイント

ML は毎日200件の新規詐欺パターンでモデルを自動再トレーニング、Databricks は大規模データ処理と継続的学習を実現、Cosmos DB は秒単位のキャッシングで800msec以内の応答時間と99.5%精度を達成します。

AI-900:Microsoft Azure AI Fundamentals の問題一覧