Una pipeline di ML dovrebbe avviare automaticamente un processo di retraining ogni volta che viene rilevato un data drift. Come dovrebbe configurare la pipeline l'ingegnere per rilevare il drift e attivare il retraining?

La risposta corretta è usare SageMaker Model Monitor per rilevare il data drift e una funzione AWS Lambda per automatizzare il retraining. SageMaker Model Monitor è progettato specificamente per monitorare i modelli ML in produzione, rilevare il data drift e la deviazione della qualità del modello, e può generare avvisi. Una funzione Lambda può essere invocata da questi avvisi per orchestrare il processo di retraining. Le altre opzioni sono meno adatte: AWS Glue è per l'ETL e non per il monitoraggio del modello in tempo reale. Amazon Managed Service for Apache Flink è per l'elaborazione di stream in tempo reale, ma non offre funzionalità native di rilevamento del data drift per modelli ML. Amazon QuickSight è uno strumento di business intelligence e le sue capacità di rilevamento delle anomalie non sono ottimali per il monitoraggio del data drift specifico dei modelli ML.