Um cientista de dados deve construir um modelo de detecção de fraudes com muito menos exemplos de fraude do que legítimos, precisa verificar o viés antes de finalizar e quer avançar rapidamente com o mínimo de sobrecarga operacional. Qual opção melhor atende a esses requisitos?

A opção correta atende a todos os requisitos. O SMOTE no SageMaker Studio é eficiente para balancear classes em conjuntos de dados desequilibrados. O SageMaker JumpStart permite construir modelos rapidamente, o que é crucial para avançar com agilidade. O SageMaker Clarify é a ferramenta ideal para detectar e mitigar o viés em modelos de ML, garantindo a verificação antes da finalização. As outras opções são menos adequadas porque: Usar Amazon EMR para SMOTE adiciona sobrecarga operacional desnecessária para balanceamento de classes, e o A2I não é a ferramenta primária para detecção de viés de modelo. A segunda opção também usa EMR para SMOTE, o que é ineficiente, e A2I não é o serviço principal para análise de viés. O SageMaker Model Monitor é usado para monitorar o viés do modelo em produção, não para verificá-lo antes da finalização.