Ein auf einer Website bereitgestelltes Modell zur Vorhersage von Immobilienpreisen hat allmählich an Genauigkeit verloren. Der Ingenieur muss das Modell verbessern und automatisch über zukünftige Leistungsverschlechterungen benachrichtigt werden. Welcher Ansatz erfüllt beide Anforderungen?

Inkrementelles Training ist eine effiziente Methode, um ein Modell mit neuen Daten zu aktualisieren, ohne es komplett neu trainieren zu müssen, was Rechenressourcen spart und das Modell an aktuelle Trends anpasst. Amazon SageMaker Model Monitor ist die dedizierte Lösung zur Erkennung von Modellleistungsverschlechterungen (Drift) und zum Senden automatischer Benachrichtigungen, was die zweite Anforderung erfüllt. Die Option mit SageMaker Model Governance ist falsch, da Model Governance ein breiteres Konzept ist und nicht direkt für die automatische Hyperparameter-Anpassung oder die Überwachung der Modellleistung zuständig ist. SageMaker Debugger ist für das Debugging während des Trainings gedacht, nicht für die Überwachung der Modellleistung in der Produktion. Das erneute Training des Modells nur mit Daten der letzten Monate ohne inkrementelles Training kann ineffizient sein und ignoriert möglicherweise wichtige historische Muster.