iPAS 考題解析MLOps 中 Data Drift 偵測預警的最佳做法為何?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:A. 建立即時 Data Drift 與 Concept Drift 監測機制
同時監控 Data Drift(輸入資料分布變化)和 Concept Drift(輸入與輸出關係的變化),才能全面掌握模型是否需要更新。
每個選項為什麼對或錯
-
A 建立即時 Data Drift 與 Concept Drift 監測機制 正解
Data Drift 指輸入資料分布變化,Concept Drift 指輸入與輸出關係變化。兩者都會影響模型效能。建立即時監測機制能及早發現問題,提醒模型需要重新訓練或調整。
-
B 部署量化版模型 錯誤選項
模型量化(Quantization)是為了減少模型大小、降低記憶體和計算資源消耗,屬於模型優化技術,跟偵測資料漂移(Data Drift)沒有直接關係。
-
C 增加超參數搜索次數 錯誤選項
增加超參數搜索次數是在模型訓練階段,為了找到最佳模型參數。這跟模型部署後,監測資料漂移以確保模型持續有效是兩回事。
-
D 固定 Random Seed 錯誤選項
固定 Random Seed 是為了確保實驗結果的可重現性,讓每次訓練結果一致。它跟偵測模型上線後,資料或概念是否發生漂移無關。
答案、題目或解析有問題?回報這題