Ein E-Commerce-Team hat ein Prognosemodell für das nahezu Echtzeit-Bestandsmanagement auf einem SageMaker-Echtzeit-Endpunkt bereitgestellt, aber die Modellgenauigkeit nimmt mit der Zeit ab. Sie benötigen einen langfristigen automatisierten Ansatz zur Erkennung von Problemen, die ein erneutes Training auslösen sollten. Welche Lösung erfüllt diese Anforderung?

Amazon SageMaker Clarify ist die beste Lösung, da es speziell für die Überwachung von Modell- und Feature-Attributionsverzerrungen entwickelt wurde. Diese Verzerrungen sind oft die Ursache für eine abnehmende Modellgenauigkeit im Laufe der Zeit (Model Drift). Clarify kann automatisch Schwellenwerte für Verzerrungen überwachen und Warnungen auslösen, die ein erneutes Training des Modells initiieren können. SageMaker Debugger konzentriert sich auf das Training selbst, nicht auf die Überwachung nach der Bereitstellung. AWS X-Ray ist für die Leistungsüberwachung von Anwendungen gedacht, nicht für die Erkennung von Modell-Drift. SageMaker Ground Truth dient der Datensatzbeschriftung, nicht der kontinuierlichen Überwachung der Modellleistung.