Un team di e-commerce ha implementato un modello di previsione su un endpoint real-time di SageMaker per la gestione dell'inventario quasi in tempo reale, ma l'accuratezza del modello si degrada nel tempo. Hanno bisogno di un approccio automatizzato a lungo termine per rilevare i problemi che dovrebbero innescare il retraining. Quale soluzione soddisfa questo requisito?

La risposta corretta è "Utilizzare Amazon SageMaker Clarify per monitorare il modello e il bias di attribuzione delle feature per informare il re-training del modello." SageMaker Clarify è progettato per rilevare la deriva del modello (model drift) e il bias, che sono cause comuni di degrado dell'accuratezza nel tempo. Monitorando le attribuzioni delle feature e le prestazioni del modello, Clarify può identificare quando il modello non funziona più come previsto, segnalando la necessità di un re-training. Le altre opzioni non sono adatte: Amazon SageMaker Debugger è utilizzato per analizzare e debuggare i processi di training, non per il monitoraggio continuo degli endpoint in produzione. AWS X-Ray è uno strumento di tracciamento distribuito per monitorare le richieste delle applicazioni, utile per le prestazioni dell'infrastruttura ma non per il degrado dell'accuratezza del modello. Amazon SageMaker Ground Truth è per l'etichettatura dei dati, non per il monitoraggio del modello in produzione o per l'attivazione automatica del re-training.