La empresa requiere un flujo de trabajo de aprobación manual para que solo las versiones de modelos autorizadas puedan implementarse en los puntos de conexión de producción. ¿Qué solución satisface este requisito?

La opción correcta es usar SageMaker Pipelines y el AWS SDK para cambiar el estado de aprobación del modelo. SageMaker Model Registry permite un control de versiones y un seguimiento del estado de los modelos, incluyendo un estado de aprobación. SageMaker Pipelines puede automatizar el proceso de entrenamiento y registro del modelo. Al integrar el AWS SDK dentro de un paso del pipeline, se puede implementar una lógica que requiera una aprobación manual (por ejemplo, un paso de espera para la intervención humana) antes de que el estado del modelo se cambie a "Approved" en el Model Registry, lo que permite su despliegue en producción. SageMaker Experiments se centra en el seguimiento de iteraciones de entrenamiento y no en la gestión de aprobaciones de despliegue. SageMaker ML Lineage Tracking rastrea el origen de los artefactos de ML, pero no proporciona un mecanismo directo para flujos de trabajo de aprobación manual. SageMaker Model Monitor evalúa el rendimiento del modelo en producción y detecta desviaciones, no gestiona la aprobación previa al despliegue.