Un ingegnere ML deve monitorare un modello SageMaker per rilevare automaticamente gli spostamenti nelle distribuzioni delle feature di input. Quale approccio offre questa capacità con un overhead operativo minimo?

L'opzione corretta descrive l'uso di SageMaker Model Monitor, la soluzione nativa di AWS progettata specificamente per rilevare la deriva dei dati e altre anomalie nei modelli di machine learning. Stabilire una baseline di qualità dei dati e abilitare emitmetrics garantisce che Model Monitor generi metriche che possono essere monitorate da CloudWatch, consentendo allarmi automatici con un overhead operativo minimo. Le opzioni errate: La baseline di qualità del modello (invece di qualità dei dati) è più focalizzata sulle prestazioni del modello e non direttamente sulla deriva delle feature di input. SageMaker Debugger è progettato per il debugging durante l'addestramento, non per il monitoraggio continuo della deriva dei dati in produzione. L'analisi manuale dei log di CloudWatch è inefficiente e non automatica, non soddisfacendo il requisito di "overhead operativo minimo" e "rilevare automaticamente".