A RetailStream LLC tem um endpoint de classificação que captura previsões para s3://retailstream-capture/predictions/. Eles também têm ground truth rotulado produzido por um trabalho de rotulagem do SageMaker Ground Truth armazenado como um manifesto em s3://retailstream-labels/manifest/. A equipe de ciência de dados precisa de monitoramento de qualidade de modelo que compare as previsões com os rótulos verdadeiros. Qual é a maneira correta de fornecer ground truth ao SageMaker Model Monitor para que o MonitoringSchedule possa calcular as métricas de qualidade do modelo?

A opção correta descreve o processo necessário para fornecer dados de ground truth ao Model Monitor. O Model Monitor não une automaticamente previsões e ground truth. É preciso um processo externo (como um trabalho SageMaker Processing ou uma função Lambda) para unir os dados de previsão capturados com os rótulos do Ground Truth usando um identificador comum. O arquivo mesclado, contendo tanto as previsões quanto os rótulos verdadeiros, deve ser salvo no S3, e o Model Monitor deve ser configurado para ler desse local e identificar a coluna de rótulos. As opções incorretas sugerem funcionalidades que o Model Monitor não possui. Ele não une automaticamente manifestos de rótulos e previsões, não busca previsões de logs do CloudWatch para mesclagem, nem infere como unir registros apenas por carimbos de data/hora ou por estarem no mesmo prefixo S3 sem um processo de união explícito.