RetailStream LLC tiene un endpoint de clasificación que captura predicciones en s3://retailstream-capture/predictions/. También tienen datos de "ground truth" etiquetados, producidos por un trabajo de etiquetado de SageMaker Ground Truth, almacenados como un manifiesto en s3://retailstream-labels/manifest/. El equipo de ciencia de datos necesita monitoreo de calidad del modelo que compare las predicciones con las etiquetas verdaderas. ¿Cuál es la forma correcta de proporcionar "ground truth" a SageMaker Model Monitor para que el MonitoringSchedule pueda calcular las métricas de calidad del modelo?

Para que SageMaker Model Monitor calcule métricas de calidad del modelo, necesita un conjunto de datos que contenga tanto las predicciones del modelo como las etiquetas de "ground truth" correspondientes. La opción correcta describe el proceso de preprocesamiento necesario: unir los datos de predicción capturados por el endpoint con las etiquetas de "ground truth" del manifiesto, utilizando un identificador de registro común. Este conjunto de datos fusionado, que incluye las columnas de predicción y etiqueta verdadera, se guarda en S3. Luego, Model Monitor se configura para usar esta ubicación S3 y se le indica qué columna contiene la etiqueta verdadera. Las opciones incorrectas no son viables porque Model Monitor no puede unir automáticamente los datos de predicción y "ground truth" sin un preprocesamiento explícito. No puede inferir cómo unir los registros solo con las rutas de S3 o las marcas de tiempo, ni puede obtener predicciones de los logs de CloudWatch. La referencia a la ruta del manifiesto en la captura de datos del endpoint tampoco es una funcionalidad estándar para la unión automática.