Ein Team trainiert einen Apache MXNet-Ziffernklassifikator in SageMaker und möchte (1) eine Warnung erhalten, wenn das Modell beginnt, Overfitting zu betreiben, und (2) dass Prüfer die SageMaker-API-Aktivität überprüfen können. Was ist die einfachste Lösung mit minimalem Code und minimalen Schritten?

Die korrekte Antwort ist die einfachste Lösung. AWS CloudTrail zeichnet API-Aufrufe und zugehörige Ereignisse automatisch auf und speichert sie in S3, was die Anforderung für Prüfer erfüllt, die SageMaker-API-Aktivität zu überprüfen. Um Overfitting zu erkennen, müssen Sie eine benutzerdefinierte CloudWatch-Metrik aus Ihrem Trainingscode senden (z. B. Validierungsverlust oder Genauigkeit). Anschließend können Sie einen CloudWatch-Alarm konfigurieren, der diese Metrik überwacht und eine Benachrichtigung über SNS sendet, wenn ein Schwellenwert überschritten wird, was auf Overfitting hindeutet. Die anderen Optionen sind weniger effizient: Eine Lambda-Funktion zum Protokollieren von API-Aufrufen ist unnötig, da CloudTrail dies nativ und mit weniger Aufwand erledigt. Das Senden von API-Aufrufprotokollen an CloudTrail über Lambda ist redundant, da CloudTrail bereits die Quelle der API-Aufrufprotokolle ist. Nur CloudTrail zu aktivieren und ein SNS-Thema zu konfigurieren, reicht nicht aus, um Overfitting zu erkennen, da CloudTrail keine Metriken für die Modellleistung bereitstellt, die für die Erkennung von Overfitting erforderlich sind.