Un modello XGBoost distribuito su un endpoint SageMaker riceve richieste di inferenza in tempo reale tramite una funzione AWS Lambda. Il team deve rilevare se l'accuratezza del modello si degrada nel tempo utilizzando i dati live in ingresso. Quale soluzione soddisfa questa esigenza?

La risposta corretta è pianificare un job di SageMaker Model Monitor. SageMaker Model Monitor è progettato specificamente per rilevare il data drift e il model quality drift negli endpoint di inferenza in tempo reale. Confronta i dati di inferenza in tempo reale con una baseline stabilita durante l'addestramento (o definita manualmente) per identificare deviazioni statistiche che indicano un potenziale degrado delle prestazioni del modello. Le altre opzioni non sono adatte: Una dashboard CloudWatch può visualizzare metriche, ma non esegue automaticamente il rilevamento del drift basato su confronti statistici complessi. Modificare la funzione Lambda per calcolare il drift è inefficiente e introduce complessità e costi di manutenzione non necessari nella logica dell'applicazione. SageMaker Debugger è utilizzato per il debug e l'analisi delle prestazioni durante l'addestramento del modello, non per il monitoraggio del drift in produzione.