문제 66
한 회사가 Amazon SageMaker를 사용하여 프로덕션에 예측 ML 모델을 배포했습니다. 회사는 모델에 SageMaker Model Monitor를 사용하고 있습니다. 모델 업데이트 후 ML 엔지니어는 Model Monitor 확인에서 데이터 품질 문제를 발견했습니다. ML 엔지니어는 Model Monitor가 식별한 데이터 품질 문제를 완화하기 위해 무엇을 해야 합니까?
- A. 모델의 매개변수 및 하이퍼파라미터를 조정합니다.
- B. 최신 프로덕션 데이터를 사용하는 수동 Model Monitor 작업을 시작합니다.
- C. 최신 데이터세트에서 새 베이스라인을 생성합니다. 새 베이스라인을 사용하도록 Model Monitor를 업데이트합니다.✓ 정답
- D. 기존 훈련 세트에 추가 데이터를 포함합니다. 모델을 재훈련하고 재배포합니다.
해설
【핵심 용어】 ▸ Model Monitor — 프로덕션 모델의 데이터 품질, 모델 품질, 편향 드리프트를 모니터링하는 SageMaker 서비스 ▸ Baseline — Model Monitor가 현재 데이터를 비교할 참조 통계치 (평균, 표준편차 등) 【정답 포인트】 ▸ "데이터 품질 문제" 키워드 → 베이스라인 업데이트가 핵심 — 모델 업데이트 후 프로덕션 데이터의 분포가 변했으므로, 이전 훈련 데이터 기반 베이스라인이 더 이상 유효하지 않음. 최신 데이터로 새 베이스라인을 생성하고 Model Monitor가 이를 사용하도록 재구성해야 Model Monitor의 드리프트 탐지가 정상 작동 【오답 체크】 (A) 하이퍼파라미터 조정 — 모델 성능 개선용이며, 데이터 품질 모니터링 기준과 무관. Model Monitor가 식별한 것은 입력 데이터의 분포 변화이지 모델 매개변수 문제 아님 (B) 수동 Model Monitor 작업 — 일회성 점검일 뿐 근본 해결 불가. 지속적 모니터링을 위해 베이스라인을 갱신해야 함 (D) 추가 데이터 재훈련 — 모델 정확도를 높이려는 시도이지만, 현재 문제는 모니터링 기준(베이스라인)의 만료임. 재훈련 후에도 베이스라인을 업데이트하지 않으면 같은 문제 반복 【시험 포인트】 "데이터 품질 문제" + "Model Monitor" → 베이스라인 교체. 드리프트 감지는 항상 베이스라인이 최신 데이터 분포를 반영하도록 유지해야 작동함