A HealthData Labs deseja rastrear o desvio nas atribuições de recursos (valores SHAP) para um modelo de risco clínico. Eles já calcularam os valores SHAP do conjunto de treinamento e os armazenaram em s3://healthdata-baselines/shap/. O endpoint de produção captura entradas e saídas do modelo para s3://healthdata-capture/. Qual abordagem permitirá que eles usem o monitoramento do SageMaker para detectar mudanças nas distribuições SHAP ao longo do tempo?

A opção correta descreve o fluxo de trabalho recomendado pelo SageMaker para monitoramento de desvio de atribuição de recursos (SHAP). Primeiro, estabelece-se uma linha de base SHAP nos dados de treinamento usando o SageMaker Clarify Explainability. Em seguida, a captura de dados é habilitada para o endpoint de produção. Finalmente, um MonitoringSchedule de Model Explainability (feature-attribution) é criado. Este agendamento executa periodicamente o Clarify para calcular os valores SHAP nas solicitações capturadas e compara essas distribuições com a linha de base armazenada, detectando desvios. A opção incorreta sobre o sinalizador de exportação SHAP é falsa; o SageMaker não tem um sinalizador nativo para exportar valores SHAP diretamente do endpoint para anotação automática. A opção do CloudWatch é incorreta porque os contêineres de modelo não emitem métricas FeatureImportance SHAP automaticamente para o CloudWatch. A opção do Athena é incorreta porque, embora seja possível calcular SHAP com Athena, não é a abordagem integrada e automatizada do SageMaker para monitoramento contínuo de desvio de atribuição.