La qualité d'inférence d'un modèle déployé a diminué après quatre mois. L'équipe souhaite être avertie si la qualité d'inférence baisse et éviter que cela ne se reproduise. Quelle solution répond à ces deux objectifs ?

La qualité d'inférence déclinante indique une dérive du modèle, un problème courant en production. La solution la plus efficace est de réentraîner le modèle avec des données récentes pour restaurer sa performance. Pour prévenir de futures baisses, il est crucial de surveiller la dérive. Amazon SageMaker Model Monitor est l'outil spécifiquement conçu pour détecter la dérive des données et la dérive du modèle en comparant les données d'inférence en temps réel avec une ligne de base. Réentraîner le modèle et surveiller avec Amazon SageMaker Clarify est incorrect car Clarify est principalement utilisé pour la détection de biais et l'explicabilité, pas pour la surveillance continue de la dérive du modèle en production. Construire un nouveau modèle est une approche plus radicale et souvent inutile si un simple réentraînement suffit, et SageMaker Feature Store est un référentiel de fonctionnalités, non un outil de surveillance de la dérive. SageMaker JumpStart est un hub de solutions pré-construites, pas un service de surveillance de la dérive.