Um modelo de ML implantado com Amazon SageMaker usa o Model Monitor. Após atualizar o modelo, o engenheiro de ML observa falhas de qualidade de dados nas verificações do Model Monitor. Que ação o engenheiro deve tomar para resolver os problemas de qualidade de dados que o Model Monitor sinalizou?

A opção correta é gerar um novo baseline a partir do conjunto de dados de produção mais recente. O Amazon SageMaker Model Monitor compara os dados de inferência em tempo real com um baseline (linha de base) pré-estabelecido para detectar desvios. Se o modelo foi atualizado, é provável que a distribuição dos dados esperada também tenha mudado. Um novo baseline reflete a nova distribuição de dados esperada, permitindo que o Model Monitor detecte problemas reais de qualidade de dados em relação ao comportamento atual do modelo. Ajustar o modelo ou adicionar mais exemplos ao conjunto de treinamento (e retreinar) são ações para melhorar o desempenho do modelo, não para resolver falhas de qualidade de dados detectadas pelo Model Monitor. Iniciar um trabalho manual do Model Monitor apenas reexecutaria as verificações com o baseline existente, o que não resolveria a causa raiz das falhas após a atualização do modelo.