La aplicación debe proporcionar un flujo de trabajo bajo demanda para evaluar la desviación de sesgo (bias drift) para los modelos implementados en puntos de conexión en tiempo real. ¿Qué acción cumple este requisito?

La opción correcta es invocar una función de AWS Lambda que inicie un trabajo de SageMaker Clarify. SageMaker Clarify está diseñado específicamente para detectar y evaluar el sesgo (bias) en modelos de Machine Learning, incluyendo el sesgo de desviación (bias drift) en puntos de conexión en tiempo real. Al integrarlo con Lambda, se crea un flujo de trabajo bajo demanda y automatizado para esta evaluación. Las otras opciones son incorrectas porque: La imagen sagemaker-model-monitor-analyzer se utiliza para el monitoreo de modelos en general, no específicamente para iniciar un trabajo de Clarify para la evaluación de sesgo bajo demanda. AWS Glue Data Quality se enfoca en la calidad de los datos para ETL, no en la evaluación de sesgo de modelos desplegados. Usar notebooks de SageMaker para comparar métricas manualmente no cumple con el requisito de un flujo de trabajo "bajo demanda" y automatizado.