Um engenheiro de ML implantou um modelo de análise de sentimento em um endpoint do SageMaker e deve fornecer aos stakeholders explicações de como o modelo faz as previsões. Qual solução produzirá explicações para as saídas do modelo?

SageMaker Clarify é a ferramenta ideal para gerar explicações sobre as previsões de um modelo, pois ele oferece recursos de interpretabilidade de modelos (como SHAP e LIME) que ajudam a entender como as características de entrada influenciam a saída do modelo. O SageMaker Model Monitor é usado para detectar desvios de modelo e de dados, não para explicar previsões individuais. Mostrar a distribuição de resultados de testes A/B no CloudWatch ou usar um endpoint sombra para comparar previsões são métodos para avaliar o desempenho do modelo ou detectar anomalias, mas não fornecem explicações detalhadas sobre o raciocínio por trás de uma previsão específica.