Un científico de datos debe construir un modelo de detección de fraude con muchos menos ejemplos de fraude que legítimos, necesita verificar el sesgo antes de finalizar y quiere avanzar rápidamente con una sobrecarga operativa mínima. ¿Qué opción satisface mejor estos requisitos?

La opción correcta es usar SMOTE en SageMaker Studio para equilibrar las clases, SageMaker JumpStart para construir el modelo rápidamente y SageMaker Clarify para verificar el sesgo. SageMaker Studio proporciona un entorno integrado para aplicar SMOTE directamente. SageMaker JumpStart permite un desarrollo rápido del modelo al ofrecer modelos preentrenados y soluciones prediseñadas. SageMaker Clarify es la herramienta específica de AWS para la detección y mitigación del sesgo en los modelos. Las otras opciones son menos óptimas: usar EMR para SMOTE introduce una sobrecarga operativa innecesaria para esta tarea; A2I se enfoca en la revisión humana de predicciones, no en la detección de sesgos del modelo; y Model Monitor se usa para la deriva de datos y el rendimiento del modelo en producción, no para la verificación de sesgos antes de la finalización.