ある企業が、Google CloudのVertex AI上でMLOps（機械学習運用）パイプラインを構築しようとしています。本番MLシステムの信頼性を維持するために実施すべき取り組みを2つ選択してください。
- A. Vertex AI Pipelinesで学習・評価・デプロイを自動化したMLパイプラインを構築し、新しいデータが蓄積されると自動的に再学習・評価・デプロイできる継続的学習（CT）の仕組みを整える
- B. モデルを一度デプロイしたら永久に変更せず、学習済みの重みを固定して使い続ける
- C. 本番推論はすべて人間のアナリストが手動で実行し、モデルは使用しない
- D. Vertex AI Model Monitoringを使って、本番データの分布が学習時から乖離する「データドリフト」と「予測ドリフト」を継続的に監視し、ドリフト検知時に自動アラートと再学習トリガーを設定する
解答と解説を見る
正解: A, D
MLOpsのベストプラクティスはモデルの継続的な品質管理と自動化。④Vertex AI Model Monitoringはデータドリフト（入力データの統計的分布変化）と予測ドリフト（出力分布変化）を検出し、モデルが古くなっているサインを早期に捉える。①Vertex AI Pipelinesで学習→評価→デプロイのMLパイプラインを自動化することで、新データでの自動再学習と、評価指標を満たした場合のみ自動デプロイ（継続的学習/CTシステム）を実現できる。モデルの固定はドリフトによる性能劣化を招く。人間の手動推論はスケールせずMLの意義がない。
📚 関連サービスの解説: Vertex AI