Un'azienda medica eseguirà centinaia di iterazioni di training con molte funzionalità, algoritmi e iperparametri e deve registrare le caratteristiche e i risultati di ogni esecuzione. Quale soluzione fornisce questo tracciamento con il minor sforzo di implementazione?

SageMaker Experiments è progettato specificamente per tracciare, organizzare e analizzare le iterazioni di machine learning (esperimenti), inclusi i parametri, le metriche e gli artefatti. Questo lo rende la soluzione più efficiente e con il minor sforzo di implementazione per lo scenario descritto. CloudWatch è per il monitoraggio delle metriche operative e richiederebbe un'implementazione complessa per tracciare i dettagli specifici di ogni iterazione ML. Scrivere log in S3 e poi interrogarli con Glue e Athena è una soluzione fattibile ma richiede più sforzo di implementazione e gestione rispetto a SageMaker Experiments, che è ottimizzato per questo scopo. SageMaker Model Registry è per la gestione del ciclo di vita dei modelli approvati per la produzione, non per il tracciamento delle singole iterazioni di training.