ある企業のMLエンジニアがAmazon SageMaker を用いて需要予測モデルを本番環境にデプロイしました。モデルの予測精度が時間の経過とともに低下していることに気づきました。この現象の最も一般的な原因として適切なものはどれですか。
- A. IAM ロールの権限が不足し、モデルが正しくロードされていない
- B. モデルのトレーニング時と現在の本番データの分布が乖離するデータドリフトが発生している
- C. 推論リクエストのペイロードサイズが SageMaker の制限を超えている
- D. SageMaker エンドポイントのコンピューティングリソースが不足している
解答と解説を見る
正解: B
本番環境でモデル精度が経時的に低下する現象は「データドリフト（Data Drift）」または「コンセプトドリフト（Concept Drift）」が主な原因です。現実世界のデータ分布が時間とともに変化し、トレーニング時のデータと乖離することでモデルの予測性能が劣化します。コンピューティングリソース不足はレスポンスタイムの悪化は引き起こしますが、予測精度の低下とは無関係です。ペイロードサイズの制限超過はエラーとして即座に現れ、経時的な精度低下とは異なります。IAM権限不足はモデルのロード失敗を引き起こしますが、精度の漸進的な低下ではなく致命的なエラーとして現れます。