HealthMetrics ha distribuito un modello di rilevamento frodi su un endpoint in tempo reale di SageMaker. Il team deve verificare e mostrare la derivazione dall'endpoint distribuito fino al job di pre-elaborazione, al job di training e agli artefatti di valutazione creati nelle esecuzioni della loro SageMaker Pipeline. Quale sequenza di azioni e API fornisce la derivazione più completa per un modello distribuito?

L'opzione corretta descrive l'utilizzo di SageMaker Lineage, che è progettato specificamente per tracciare la derivazione dei modelli. Iniziando dall'ARN del modello distribuito, ListAssociations permette di risalire a monte attraverso gli artefatti e i contesti associati (come job di pre-elaborazione, training e valutazione) registrati automaticamente da SageMaker Pipelines. Questo fornisce la derivazione più completa e accurata. Le altre opzioni sono meno efficaci: interrogare i log di CloudWatch è laborioso e non fornisce una derivazione strutturata; l'utilizzo dei tag S3 richiede una gestione manuale e non sfrutta le funzionalità di lineage integrate; AWS Config traccia le modifiche alla configurazione ma non fornisce dettagli sulla derivazione del modello.