Un modello ML distribuito con Amazon SageMaker utilizza Model Monitor. Dopo aver aggiornato il modello, l'ingegnere ML osserva errori di qualità dei dati nei controlli di Model Monitor. Quale azione dovrebbe intraprendere l'ingegnere per affrontare i problemi di qualità dei dati segnalati da Model Monitor?

La generazione di una nuova baseline dal dataset di produzione più recente è l'azione corretta perché Model Monitor confronta i dati in arrivo con la baseline per rilevare le deviazioni. Se il modello è stato aggiornato o i dati di produzione sono cambiati, la vecchia baseline potrebbe non essere più rappresentativa, causando falsi positivi per la qualità dei dati. Aggiornare la baseline assicura che i controlli siano pertinenti ai dati attuali. Ottimizzare il modello o aggiungere dati di training non risolverebbe direttamente un problema di qualità dei dati rilevato da Model Monitor, che si concentra sulla coerenza tra i dati di inferenza e la baseline. Avviare un job manuale di Model Monitor non risolverebbe il problema della baseline obsoleta, ma semplicemente rieseguirebbe i controlli con la stessa configurazione errata.