Un data scientist doit créer un modèle de détection de fraude avec beaucoup moins d'exemples de fraude que d'exemples légitimes, doit vérifier les biais avant de finaliser, et souhaite agir rapidement avec un minimum de frais opérationnels. Quelle option répond le mieux à ces exigences ?

L'option correcte utilise SMOTE directement dans SageMaker Studio, ce qui est efficace pour l'équilibrage des classes dans un environnement de développement géré. SageMaker JumpStart permet de construire rapidement un modèle en tirant parti de modèles pré-entraînés, répondant à l'exigence de rapidité. Enfin, SageMaker Clarify est l'outil dédié pour la détection et la mitigation des biais dans les modèles ML, ce qui est crucial avant la finalisation. Les autres options sont moins optimales : Utiliser Amazon EMR pour SMOTE ajoute des frais opérationnels et une complexité inutile par rapport à SageMaker Studio. A2I est pour la révision humaine, pas la détection de biais automatisée. La deuxième option souffre des mêmes problèmes avec EMR et A2I. La quatrième option utilise Model Monitor, qui est destiné à la dé détection de dérive de modèle en production, pas à la vérification des biais avant la finalisation.