Ein ML-Ingenieur muss ein SageMaker-Modell überwachen, um Verschiebungen in den Eingabefeature-Verteilungen automatisch zu erkennen. Welcher Ansatz bietet diese Funktion mit minimalem Betriebsaufwand?

Die Konfiguration von SageMaker Model Monitor mit einer Datenqualitäts-Baseline ist die effektivste Methode zur automatischen Erkennung von Verschiebungen in Eingabefeature-Verteilungen bei minimalem Betriebsaufwand. Model Monitor ist speziell für diese Aufgabe konzipiert. Durch das Aktivieren von emitmetrics in der Baseline-Constraints-Datei werden relevante Metriken an CloudWatch gesendet, wo Alarme eingerichtet werden können, um bei Abweichungen zu benachrichtigen. Die Option mit der Modellqualitäts-Baseline ist falsch, da diese die Modellleistung und nicht die Eingabedatenqualität überwacht. SageMaker Debugger ist für das Debugging während des Trainings gedacht, nicht für die Überwachung von Daten-Drift in der Produktion. Die manuelle Analyse von CloudWatch-Protokollen ist ineffizient und nicht automatisiert, was dem Ziel des minimalen Betriebsaufwands widerspricht.