Usted subió 5 TB de datos a SageMaker Studio y completó la limpieza de datos. Antes del entrenamiento, necesita un informe de análisis que destaque el posible sesgo del conjunto de datos. ¿Cuáles dos acciones proporcionan esto con la menor sobrecarga? (Elija dos).

SageMaker Clarify está diseñado específicamente para detectar y medir el sesgo en los datos y modelos de machine learning, generando informes detallados que identifican posibles problemas antes del entrenamiento. Esto lo convierte en una opción eficiente para el análisis de sesgos. SageMaker Data Wrangler permite la preparación de datos y también ofrece la capacidad de generar análisis de sesgos y perfiles de datos, lo que lo hace útil para identificar sesgos durante la fase de limpieza y preparación. SageMaker Ground Truth se enfoca en el etiquetado de datos y no en la detección de sesgos. SageMaker Model Monitor se utiliza para monitorear modelos en producción, no para el análisis de sesgos en los datos antes del entrenamiento. SageMaker Experiments ayuda a organizar y rastrear las iteraciones de entrenamiento, pero no realiza directamente la verificación de calidad de datos o el análisis de sesgos.