Um hospital executa um trabalho noturno de inferência em lote com um modelo de ML que valida os resultados de raios-X. O hospital precisa produzir um relatório diário sobre a qualidade dos dados do modelo e o desempenho do modelo. Qual solução fornecerá o monitoramento e os relatórios diários necessários?

A opção correta é agendar um trabalho de monitoramento no Amazon SageMaker Model Monitor. O SageMaker Model Monitor é projetado especificamente para detectar desvios de dados (data drift) e desvios de modelo (model drift) em modelos de ML em produção, gerando métricas de qualidade de dados e de modelo que podem ser usadas para relatórios diários. As outras opções são menos adequadas: Um painel do Amazon CloudWatch pode monitorar métricas de infraestrutura, mas não avalia diretamente a qualidade dos dados ou o desempenho do modelo em relação a desvios. O AWS Glue DataBrew é uma ferramenta de preparação de dados e não de monitoramento contínuo de modelos em produção. Embora o SageMaker Pipelines possa incluir etapas de QualityCheck, o Model Monitor é a ferramenta dedicada e mais eficiente para o monitoramento contínuo e diário de modelos implantados.