HOMELv026 【シナリオ】AutoMLで生成されたモデルを本番運用しているが、推論データに、学習時には存在しなかった新しいカテゴリ値が含まれるようになり、エラーが発生している。AutoMLの再学習以外で即座に取れる対策はどれか。 2026年3月8日 モデル自体が未知の値を扱えない場合（OneHotEncoderの設定など）、入力データのサニタイズ（未知の値を既知のカテゴリにマッピングする処理）を行う前処理層を追加するのが現実的な緊急対応である。 【シナリオ】分散学習において、バッチサイズを2倍に増やした場合、学習率（Learning Rate）はどう調整するのが一般的か（Linear Scaling Rule）。 【シナリオ】Model Servingへのリクエストがスパイク（急増）し、オートスケールが間に合わずにリクエストがドロップしている。スケールアウトの感度を上げるのではなく、スパイクを吸収するために有効なアーキテクチャパターンはどれか。
