Ein Unternehmen, das mehrere ML-Modelle betreibt, möchte Änderungen in der Modellleistung erkennen, um Probleme schnell beheben zu können. Welche AWS-Funktion erfüllt diese Anforderung?

Amazon SageMaker Model Monitor ist die korrekte Antwort, da es speziell dafür entwickelt wurde, die Leistung von ML-Modellen in der Produktion kontinuierlich zu überwachen. Es erkennt Abweichungen in den Daten (Data Drift) oder der Modellqualität (Model Quality Drift) und alarmiert Benutzer bei Problemen, sodass diese schnell behoben werden können. Amazon SageMaker JumpStart bietet vorgefertigte Lösungen und Modelle für den schnellen Start von ML-Projekten, ist aber nicht für die Überwachung von Produktionsmodellen gedacht. Amazon SageMaker HyperPod ist eine Infrastruktur für verteiltes Training und Fine-Tuning von Modellen, nicht für deren Überwachung. Amazon SageMaker Data Wrangler hilft bei der Datenaufbereitung und Feature-Engineering, bevor Modelle trainiert werden, und hat keine Funktion zur Modellüberwachung nach dem Deployment.