A HealthMetrics implantou um modelo de detecção de fraudes em um endpoint em tempo real do SageMaker. A equipe precisa auditar e mostrar a linhagem do endpoint implantado de volta ao trabalho de pré-processamento, trabalho de treinamento e artefatos de avaliação criados em suas execuções do SageMaker Pipeline. Qual sequência de ações e APIs fornece a linhagem mais completa para um modelo implantado?

A opção correta descreve o uso do SageMaker Lineage, que é a ferramenta nativa do SageMaker para rastrear a linhagem de modelos. Começar com o ARN do Model ou ModelPackage e usar ListAssociations com SourceArn permite descobrir os artefatos e contextos associados. Em seguida, DescribeArtifact, DescribeContext, GetTrialComponent ou DescribeTrainingJob podem ser usados para percorrer a cadeia de dependência (upstream) até os componentes de pré-processamento, treinamento e avaliação, fornecendo a linhagem mais completa e precisa. As outras opções são incorretas porque: Consultar logs do CloudWatch não fornece uma visão estruturada e completa da linhagem do SageMaker. Usar tags S3 e Lambda para mapear tags não é a forma nativa ou mais eficiente de gerenciar a linhagem no SageMaker e exige trabalho manual significativo. O AWS Config rastreia alterações na configuração de recursos, mas não fornece a linhagem detalhada de artefatos de ML e seus relacionamentos.