Un ingegnere ML sta ottimizzando un modello che predice il comportamento dei clienti e deve ispezionare i dati di input e le previsioni del modello per identificare pattern che potrebbero influenzare le prestazioni in base ai dati demografici. Quale soluzione fornisce questa analisi?

SageMaker Clarify è la soluzione corretta perché è specificamente progettato per analizzare i dati di addestramento e gli output del modello per identificare bias e spiegabilità. Questo strumento consente di ispezionare pattern demografici che potrebbero influenzare le prestazioni del modello, garantendo accuratezza ed equità. Le altre opzioni non sono adatte a questo scopo: Amazon CloudWatch è per il monitoraggio delle risorse e delle metriche operative, non per l'analisi dei bias del modello. AWS Glue DataBrew è per la pulizia e la preparazione dei dati, non per l'analisi dei bias o della spiegabilità del modello basata su pattern demografici. AWS Lambda è per l'automazione di funzioni serverless, utile per la pre-elaborazione dei dati, ma non fornisce l'analisi approfondita dei bias e della spiegabilità del modello richiesta.