L'application doit fournir un workflow à la demande pour évaluer la dérive de biais pour les modèles déployés sur des points de terminaison en temps réel. Quelle action répond à cette exigence ?

L'option correcte est d'invoquer une fonction AWS Lambda qui lance un job SageMaker Clarify. SageMaker Clarify est spécifiquement conçu pour détecter et mesurer la dérive de biais dans les modèles ML, et son intégration avec Lambda permet une évaluation à la demande, répondant ainsi à l'exigence du workflow. Les autres options sont incorrectes car : Invoquer une fonction Lambda qui extrait l'image de conteneur sagemaker-model-monitor-analyzer ne lance pas directement une analyse de biais ; cette image est utilisée par SageMaker Model Monitor pour la détection de dérive de données ou de modèle, mais pas spécifiquement pour le biais à la demande. AWS Glue Data Quality est un service pour la qualité des données, pas pour la surveillance de la dérive de biais des modèles ML déployés. Utiliser les notebooks SageMaker pour comparer manuellement les métriques de biais est une approche manuelle et ne répond pas à l'exigence d'un "workflow à la demande" automatisé.