Das Unternehmen benötigt einen manuellen Genehmigungs-Workflow, damit nur autorisierte Modellversionen auf Produktions-Endpunkte bereitgestellt werden können. Welche Lösung erfüllt diese Anforderung?

Die korrekte Antwort ist die Verwendung von SageMaker Pipelines in Verbindung mit dem AWS SDK, um den Genehmigungsstatus einer Modellversion auf „Approved“ zu setzen. SageMaker Pipelines ermöglichen die Orchestrierung des gesamten ML-Workflows, einschließlich der Modellregistrierung. Nach der Registrierung kann der Genehmigungsstatus einer Modellversion im SageMaker Model Registry manuell oder programmatisch über das AWS SDK geändert werden. Dies bietet die erforderliche manuelle Genehmigungsschleife. SageMaker Experiments dient der Nachverfolgung von Trainingsläufen und deren Metriken, nicht der Verwaltung von Genehmigungsworkflows. SageMaker ML Lineage Tracking verfolgt die Herkunft von ML-Artefakten, bietet aber keine direkte Funktion zur Genehmigungsverwaltung. SageMaker Model Monitor dient der Überwachung der Modellleistung nach der Bereitstellung und ist nicht für den Genehmigungsprozess vor der Bereitstellung konzipiert.