Un ingegnere ML deve eseguire inferenze di modelli in modo asincrono su grandi set di dati e pianificare controlli regolari della qualità dei dati di input del modello, con avvisi quando si verificano modifiche nella qualità dei dati. Quale soluzione soddisfa questi requisiti?

L'opzione corretta soddisfa entrambi i requisiti chiave. Amazon SageMaker batch transform è la soluzione ideale per l'inferenza asincrona su grandi set di dati, in quanto elabora i dati in batch senza la necessità di un endpoint persistente. SageMaker Model Monitor è progettato specificamente per monitorare la qualità dei dati di input e le deviazioni del modello, fornendo avvisi quando vengono rilevate anomalie. Le altre opzioni sono meno adatte: Eseguire i modelli con AWS Glue o AWS Batch può gestire l'inferenza asincrona, ma CloudWatch e CloudTrail non sono strumenti specifici per il monitoraggio della qualità dei dati di input del modello con avvisi dedicati. CloudWatch è più generico per metriche e log, mentre CloudTrail è per il logging delle attività API. Ospitare modelli su Amazon ECS con Fargate è per l'inferenza in tempo reale o sincrona, non asincrona su grandi set di dati. EventBridge è un bus di eventi e non una soluzione diretta per il monitoraggio della qualità dei dati del modello.