Das generative KI-Modell eines Unternehmens zur Kundensegmentierung läuft seit langem in der Produktion und hat kürzlich begonnen, inkonsistente Ausgaben zu produzieren. Das Unternehmen möchte Modellverzerrungen bewerten und Drift erkennen. Welchen AWS-Dienst oder welche Funktion sollten sie verwenden?

Amazon SageMaker Model Monitor ist die korrekte Wahl, da er speziell dafür entwickelt wurde, die Qualität von ML-Modellen in der Produktion kontinuierlich zu überwachen. Er kann Daten- und Modellqualitätsmetriken erfassen und analysieren, um Daten-Drift und Modell-Drift zu erkennen, was zu inkonsistenten Ausgaben führen kann. Er kann auch auf Modellverzerrungen hinweisen, indem er Abweichungen in den Eingabedaten oder Vorhersagen über die Zeit identifiziert. Amazon SageMaker Clarify wird hauptsächlich für die Erkennung und Messung von Verzerrungen vor der Bereitstellung und für die Erklärung von Modellen verwendet, nicht für die kontinuierliche Überwachung in der Produktion. Amazon SageMaker Model Cards dienen der Dokumentation von Modellinformationen und -metriken, nicht der aktiven Überwachung. Amazon SageMaker Feature Store ist ein Dienst zur Speicherung und Verwaltung von Features für ML-Modelle und hat keine Überwachungsfunktionen.