MLA-C01 練習問題 12

ある e コマース企業は、過去の顧客アクティビティに基づくニアリアルタイムの在庫管理のために、需要を予測する ML モデルをトレーニングしています。同社は、トレーニング済みモデルを本番の Amazon SageMaker AI エンドポイントに正常にデプロイしました。しかし、モデルの予測パフォーマンスが時間の経過とともに劣化していることに気づきました。同社は、このパフォーマンス劣化を緩和する長期的かつ自動化されたソリューションを必要としています。 これらの要件を満たすソリューションはどれですか？

【正解】C

【0からの解説】
時間の経過によるモデル性能の劣化は「モデルドリフト」と呼ばれます。顧客の行動パターンが変化すると、過去のデータで学習したモデルは徐々に現実と合わなくなります。この劣化への長期的な根本対策は、新しいデータでモデルを再トレーニングし続けることです。

Amazon SageMaker Ground Truth は、データのラベル付け（アノテーション）を行うマネージドサービスで、人間のワークフォースや自動ラベリングを組み合わせて高品質なラベル付きデータセットを継続的に作成（キュレーション）できます。最新の顧客アクティビティを反映した高品質なデータセットを Ground Truth で整備し、それでモデルを再トレーニングするサイクルを構築することが、性能劣化への長期的・持続的な解決策になります。

【誤りの選択肢】
A：SageMaker Debugger はトレーニングジョブ実行中の問題（勾配消失・過学習の兆候など）を検出するツールであり、本番エンドポイントの経時的なドリフト監視や再トレーニングの仕組みではありません。
B：AWS X-Ray は分散トレーシングのサービスで、リクエストの流れやレイテンシは追えますが、モデルの予測品質の劣化は検出できず、再トレーニングの解決策も提供しません。
D：SageMaker Clarify のバイアス監視は、属性グループ間の公平性の変化を検出するものです。本問の課題は公平性ではなく予測精度の劣化であり、バイアス監視だけでは「劣化を緩和する」ことはできません（再トレーニングのためのデータ整備が不可欠です）。

【参考】
Amazon SageMaker Ground Truth
Amazon SageMaker Model Monitor