Azure MLOps応用
本番環境のAzure MLモデルに対して段階的なデプロイ戦略（カナリアデプロイ）を実行する際、新しいバージョンのモデルを最初に10%のトラフィックで公開したが、新バージョンの推論精度が旧バージョンより10%低いことが検出された。この時点での最適な対応は？
A.新バージョンを即座に削除し、旧バージョンへすべてのトラフィックを戻す。問題の原因はデプロイ後の調査で明確にする
✗ 削除は過剰な対応で、後に原因調査が困難になります。カナリアデプロイの利点は「被害を限定しながら検証できること」であり、すぐ削除では学習機会を失います。
B.トラフィック比率を10%で維持し、新バージョンの追加データで自動的に改善されるのを待つ
✗ 精度低下は本番環境では許容できない問題です。自動改善の保証もなく、ユーザー体験を著しく損なわせ続けることになります。
C.新バージョンへのトラフィックを段階的に増やし続け、ユーザーに新モデルに適応させる
✗ 精度が10%低いモデルを段階的に普及させれば、より多くのユーザーに悪影響が及びます。カナリアデプロイの目的に反しています。
D.トラフィックを旧バージョンに戻しながら、新バージョンの訓練データ品質や前処理を検証して根本原因を特定する← 正解
✓ 正解です。まずトラフィックを戻して被害を最小化し、同時に新バージョンの訓練データやパイプラインの問題を調査して改善。MLOpsの重要な手順です。
この問題のポイント
まずトラフィックを戻して被害を最小化し、同時に新バージョンの訓練データやパイプラインの問題を調査して改善。MLOpsの重要な手順です。
「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。