FinTrust Inc. は、表形式の不正検出モデルをトレーニングし、トレーニング CSV を s3://fintrust-training/transactions/ に保存しています。ML プラットフォームチームは、トレーニングデータから SageMaker Model Monitor データ品質ベースライン (統計と制約) を作成する必要があります。これにより、本番推論入力スキーマと分布の日常的な監視でドリフトを警告できます。MonitoringSchedule で使用するのに適した Model Monitor ベースラインを生成するための、最も適切で最小限の労力で済む方法は何ですか？

SageMaker Model Monitor の DefaultModelMonitor.suggestbaseline は、トレーニングデータからデータ品質ベースライン（統計と制約）を自動的に生成する最も効率的な方法です。これは、SageMaker の組み込み機能であり、最小限の労力で正確なベースラインを作成できます。 不正解の選択肢は以下の理由で不適切です。 本番エンドポイントでのデータキャプチャは、トレーニングデータとの比較ができないため、初期ベースラインとしては不適切です。 AWS Glue や Amazon Athena を使用する方法は、手動での変換や設定が必要となり、労力がかかります。また、Model Monitor の機能と直接連携しないため、効率的ではありません。