第4章 · ML ソリューションの監視・保守・セキュリティ·v2.1.0·更新 2026/6/14·読了目安 約9分
変更要約: in-scope サービス網羅: 監視/運用/コスト/セキュリティ(CloudWatch Logs/DevOps Guru/Systems Manager/Secrets Manager/Compute Optimizer/Trusted Advisor/Chatbot/Billing/Cost Explorer/Budgets/Organizations)を追加
4.1モデルの監視とドリフト対応
この節の要点
SageMaker Model Monitor によるデータ/モデルのドリフト検出、CloudWatch によるエンドポイント監視、ドリフト検知をトリガーとした再学習を理解します。MLA-C01 の「監視・保守・セキュリティ」の出発点です。
本番のモデルは時間とともに精度が劣化（ドリフト）します。継続的に監視し、必要に応じて再学習する運用が重要です。
4.1.1監視とドリフト検出
- Model Monitor：本番データを学習時のベースラインと比較し、データドリフト/モデル品質ドリフト/バイアスドリフトを検出する。
- CloudWatch：エンドポイントの遅延・エラー率・呼び出し数などを監視し、アラームを出す。
- 再学習：ドリフト検知やスケジュールをトリガーに、Pipelines で再学習・再デプロイを自動化する。
試験ポイント
「本番でモデル精度が劣化＝データ/モデルドリフト（Model Monitor で検出）」「検知→再学習（Pipelines）」「エンドポイントの遅延/エラー監視＝CloudWatch」 は MLA で頻出です。ドリフトの原因はデータ分布の変化です。