Uma empresa médica está ajustando um modelo de base para uso diagnóstico e deve fornecer transparência e explicabilidade para satisfazer as regulamentações. Qual solução ajuda a fornecer explicabilidade e métricas de modelo simples?

Amazon SageMaker Clarify é a solução correta porque fornece as ferramentas necessárias para gerar métricas de viés e explicabilidade para modelos de machine learning. Ele ajuda a entender como as características de entrada afetam as previsões do modelo, o que é crucial para a conformidade regulatória em setores como o médico. Configurar segurança e conformidade usando Amazon Inspector está incorreto porque o Inspector foca na segurança de infraestrutura e aplicações, não na explicabilidade de modelos de ML. Criptografar e proteger dados de treinamento usando Amazon Macie está incorreto porque o Macie se concentra na descoberta e proteção de dados sensíveis, não na explicabilidade do modelo. Coletar mais dados e usar Amazon Rekognition para aplicar rótulos personalizados está incorreto porque, embora a coleta de dados e a rotulagem sejam importantes, o Rekognition é um serviço de visão computacional e não oferece as funcionalidades de explicabilidade e métricas de modelo necessárias para a conformidade.