このブラウザーはサポートされなくなりました。
Microsoft Edge にアップグレードすると、最新の機能、セキュリティ更新プログラム、およびテクニカル サポートを利用できます。
それぞれの質問に最も適した回答を選んでください。
クリニックのスケジューリングシステムは、スタッフが予約を予約した瞬間に、即時のノーショーリスクスコアを必要とします。 チームはどのエンドポイントの種類にモデルをデプロイする必要がありますか?
バッチ エンドポイント
オンライン エンドポイント
プライベート エンドポイント
データ サイエンス チームが MLflow でモデルをログに記録すると、Azure Machine Learning でスコアリング スクリプトと環境を自動的に生成できるのはなぜですか?
MLflow モデル形式には、Azure Machine Learning がデプロイ時にモデルを構築するために使用するメタデータが格納されているため
モデルを登録すると、追加の構成を必要としない pickle ファイルに変換されるため
Azure Machine Learningでは MLflow モデルのデプロイのみがサポートされるため
チームは、エンドポイント トラフィックの 25% を新しいモデル デプロイにシフトします。 そのエラー率は急激に上昇しますが、以前のデプロイは正常なままです。 チームが最初に行うべきことは何ですか?
前のデプロイを削除し、エンドポイントを再作成する
すべてのトラフィックを以前のデプロイにルーティングし、新しいバージョンを調査する
トラフィックを増やし続けて、エラー率が安定するかどうかを判断する
チームはモデルを自動的にデプロイしてテストしますが、ワークフローが運用トラフィックをシフトする前にレビュー担当者に承認を求めます。 チームは何を構成する必要がありますか?
必要なレビュー担当者が含まれた保護されたGitHub運用環境
デプロイのたびに実行されるブランチ保護規則
デプロイが承認されたかどうかを記録するリポジトリ変数
モデルモニターは持続的な予測ドリフト信号を報告し、クリニックのスタッフは、フラグが設定された患者が実際には高リスクでないことを確認します。 データ サイエンス チームにとって最も適切な次のステップは何ですか?
エンドポイントの運用メトリックは通常のエラー率を示しているため、シグナルを無視します
シグナルを調査し、より新しいデータに対するモデルの再トレーニングを検討する
エンドポイントを削除して予測の提供を停止する
作業を確認する前にすべての問題に回答する必要があります。
このページはお役に立ちましたか?
このトピックについてサポートが必要ですか?
このトピックの意図を把握したり、理解を深めたりするために Ask Learn を使ってみませんか?