ShopScaleは、Experimentで数十のSageMakerトレーニングジョブ（組み込みXGBoostを使用したスクリプトモード）を実行しています。各トレーニングジョブは、各エポックでメトリクス「validation:accuracy」をTrialComponentにログ記録します。MLチームは、Experiment内のすべてのTrialComponentでエポック10におけるvalidation:accuracyを比較し、デプロイに最適な実行を選択する自動化されたプログラムによるレポートを必要としています。実行全体でそのメトリクスを集計するための最も直接的でプログラムによる方法は、次のうちどれですか？

SageMaker Experiments Python SDKのTrialComponentAnalyticsは、SageMaker Experimentで追跡されたメトリクスをプログラムで分析するための専用ツールです。これにより、特定のExperiment内のすべてのTrialComponentから、指定されたメトリクス名（validation:accuracy）とエポック（10）でデータを簡単にフィルタリングし、集計比較を実行できます。 CloudWatch Metricsを直接クエリする方法は、SageMaker Experimentsの構造と直接連携しないため、TrialComponentへのマッピングが複雑になります。S3にログをエクスポートしGlue ETLジョブを使用する方法は、ログ解析とExperimentビューの再構築に多くの手間と時間が必要です。SageMaker Model Monitorはデプロイ後のモデルのパフォーマンス監視に使用されるツールであり、トレーニング中のメトリクス比較には適していません。