HealthMetrics implementó un modelo de detección de fraude en un endpoint de SageMaker en tiempo real. El equipo necesita auditar y mostrar el linaje desde el endpoint implementado hasta el trabajo de preprocesamiento, el trabajo de entrenamiento y los artefactos de evaluación creados en sus ejecuciones de SageMaker Pipeline. ¿Qué secuencia de acciones y API proporciona el linaje más completo para un modelo implementado?

La respuesta correcta describe el uso de SageMaker Lineage, que está diseñado específicamente para rastrear el linaje de los modelos de ML. Al comenzar con el ARN del modelo o paquete de modelo implementado y usar ListAssociations, se pueden recuperar los artefactos, contextos y componentes asociados (como trabajos de preprocesamiento, entrenamiento y evaluación) que contribuyeron a ese modelo. Las API DescribeArtifact, DescribeContext, GetTrialComponent y DescribeTrainingJob permiten una exploración detallada de estos elementos, proporcionando el linaje más completo. Las opciones incorrectas no ofrecen una solución de linaje tan robusta: Consultar registros de CloudWatch puede ofrecer información limitada, pero no proporciona un linaje estructurado y completo de los artefactos y procesos de SageMaker. Las etiquetas de S3 son útiles para la organización, pero SageMaker sí almacena asociaciones de linaje, y depender únicamente de etiquetas requeriría una lógica de mapeo manual compleja y propensa a errores. AWS Config rastrea los cambios de configuración de los recursos, no el linaje de los artefactos de ML ni las dependencias entre los trabajos de SageMaker.