Azure MLOps応用
Azure Machine Learningで本番環境のモデルが新しいデータ分布に対応できなくなった場合、自動的に再訓練パイプラインをトリガーするには、どのような仕組みを組み合わせるべきか？
A.Event Grid + Logic Apps + MLパイプラインを連携させ、アラート条件で再訓練を自動実行する← 正解
✓ 正解です。Event GridはMLパイプラインの完了やアラートをトリガーとして検知でき、Logic AppsやAutomationを使って再訓練パイプラインを自動実行できます。
B.Application Insightsのメトリクスを手動で監視し、管理者がMLパイプラインを都度実行する
✗ 手動監視では迅速な対応ができず、MLOpsの自動化メリットが失われます。本番環境では自動化されたワークフローが必須です。
C.Batch推論エンドポイントを定期実行し、結果をストレージに保存するのみ
✗ Batch推論は予測実行のみで、モデルの再訓練をトリガーしません。データドリフト検出後の対応がありません。
D.モデルの精度が低下したら自動的にロールバックしてから手動で再デプロイする
✗ ロールバックは緊急時の対応ですが、根本的な再訓練が自動化されていないため、継続的な性能低下を防げません。
この問題のポイント
Event GridはMLパイプラインの完了やアラートをトリガーとして検知でき、Logic AppsやAutomationを使って再訓練パイプラインを自動実行できます。
「Azure MLOps」の他の問題
Azure MLで「本番モデルのデータドリフトを定期的に検出して、精度低下前に再訓練アラートを出す」ために使う機能はどれ…Azure MLの「マネージドオンラインエンドポイント」でブルーグリーンデプロイを実現する機能はどれか？Azure MLにおける「バッチ推論パイプライン」と「リアルタイム推論エンドポイント」の主な違いは何か？Azure MLパイプラインの「Published Pipeline」と「Draft Pipeline」の主な使い分けの…Azure MLの「自動機械学習（AutoML）」と「ハイパーパラメータチューニング」の主な目的の違いは？Azure MLの「モデルレジストリ」と「モデルエンドポイント」の主な役割の違いは？
IT・クラウド の関連資格
AWS Certified Cloud Practitioner（CLF-C02）
AWSクラウドの入門資格。クラウドの概念・AWSのコアサービス・セキュリティ・料金モデルを問う。
AWS Certified Solutions Architect - Associate（SAA-C03）
AWSでのシステム設計能力を問うアソシエイト資格。高可用性・セキュリティ・コスト最適化の設計が中心。
DP-900：Microsoft Azure Data Fundamentals
Azureのデータサービスの基礎を問うMicrosoft認定資格。リレーショナル/非リレーショナルデータ、分析ワークロード、コアのデータ概念を扱う。