Das Unternehmen verlangt, dass seine Modelle transparent und erklärbar sind. Welche zwei Amazon SageMaker-Funktionen bieten Möglichkeiten, die zur Erreichung von Transparenz und Erklärbarkeit beitragen? (Wählen Sie zwei.)

SageMaker Model Cards helfen, Modelle zu dokumentieren, indem sie Details wie Zweck, Trainingsdaten, Leistungskennzahlen und potenzielle Verzerrungen erfassen. Dies fördert die Transparenz und die Erklärbarkeit, indem es einen umfassenden Überblick über das Modell bietet. SageMaker Clarity ist ein Tool, das die Erklärbarkeit von ML-Modellen verbessert, indem es Einblicke in Modellvorhersagen gibt und hilft, die Fairness und Verzerrungen zu bewerten. SageMaker Pipelines ist ein Workflow-Orchestrierungstool, das die Automatisierung von ML-Workflows unterstützt, aber nicht direkt die Transparenz oder Erklärbarkeit verbessert. SageMaker Model Monitor erkennt Abweichungen in der Modellleistung und Datenqualität nach dem Einsatz, bietet aber keine Erklärungen für Modellentscheidungen. SageMaker Debugger hilft beim Debuggen von Trainingsproblemen, trägt aber nicht direkt zur Transparenz oder Erklärbarkeit des Modells bei.