AdInsights opera un endpoint de personalización en tiempo real y debe detectar la desviación de sesgo semanalmente utilizando tráfico en vivo. El equipo ya habilitó la captura de datos en s3://adinsights-capture/. ¿Cuál es el enfoque recomendado para programar verificaciones de sesgo en el tráfico en vivo del endpoint usando SageMaker Model Monitor para que las métricas de sesgo se ejecuten en datos nuevos cada semana?

La opción correcta es la más directa y eficiente para el monitoreo de sesgo con SageMaker Model Monitor. Un MonitoringSchedule de tipo ModelBias está diseñado específicamente para detectar la desviación de sesgo en los datos de inferencia. Al configurarlo con una expresión cron semanal y apuntando al prefijo de captura de S3, se asegura que las verificaciones se ejecuten periódicamente en los datos en vivo. La referencia a la línea base de sesgo precalculada (constraints/statistics) es crucial para comparar y detectar desviaciones. El rol de IAM con acceso a S3 es fundamental para que Model Monitor pueda leer los datos capturados. Las otras opciones son incorrectas porque: CloudWatch Contributor Insights no está diseñado para el monitoreo de sesgo de modelos y requeriría una implementación personalizada compleja. SageMaker Clarify para explicabilidad no realiza automáticamente verificaciones de sesgo continuas sin una configuración explícita de monitoreo. Un flujo de trabajo de Step Functions con Redshift es una solución más compleja y costosa que Model Monitor, que ya ofrece esta funcionalidad de forma nativa.