Ein mit Amazon SageMaker bereitgestelltes ML-Modell verwendet Model Monitor. Nach der Aktualisierung des Modells stellt der ML-Ingenieur Datenqualitätsfehler bei den Model Monitor-Prüfungen fest. Welche Maßnahme sollte der Ingenieur ergreifen, um die vom Model Monitor gemeldeten Datenqualitätsprobleme zu beheben?

Die Generierung einer neuen Baseline aus den neuesten Produktionsdaten ist entscheidend, da Model Monitor die Datenqualität der Inferenzdaten im Vergleich zu dieser Baseline bewertet. Wenn sich die Datenverteilung in der Produktion geändert hat, führt die Verwendung einer veralteten Baseline zu falsch-positiven Datenqualitätsfehlern. Durch die Aktualisierung der Baseline wird sichergestellt, dass Model Monitor die aktuellen Daten korrekt bewertet. Das Optimieren des Modells oder das Hinzufügen von Trainingsdaten behebt nicht direkt die Diskrepanz zwischen den Inferenzdaten und der Referenz-Baseline. Das manuelle Starten eines Model Monitor-Jobs ohne Aktualisierung der Baseline würde die gleichen Fehler erneut melden.