Ein Unternehmen erkennt mithilfe von Amazon SageMaker Model Monitor eine Datenabweichung, die den konfigurierten Schwellenwert überschreitet, und möchte eine Beeinträchtigung der Modellvorhersagen verhindern. Welche Maßnahme sollte es ergreifen?

Wenn Amazon SageMaker Model Monitor eine Datenabweichung feststellt, die einen konfigurierten Schwellenwert überschreitet, deutet dies darauf hin, dass die Eingabedaten des Modells sich signifikant von den Daten unterscheiden, mit denen es trainiert wurde. Dies kann die Vorhersagegenauigkeit des Modells beeinträchtigen. Um dies zu beheben und die Modellleistung wiederherzustellen, ist es notwendig, das Modell mit den neuen, aktuellen Daten neu zu trainieren. Ein Neustart des SageMaker AI-Endpunkts würde das zugrunde liegende Problem der Datenabweichung nicht lösen. Die Anpassung der Überwachungsempfindlichkeit würde lediglich ändern, wann Warnungen ausgelöst werden, nicht aber die Modellleistung verbessern. Das Einrichten von Experiment-Tracking ist zwar nützlich für die Modellentwicklung, behebt aber nicht direkt eine bestehende Datenabweichung.