데이터 과학자가 SageMaker를 사용하여 대출 불이행 예측 모델을 훈련하고 배포했습니다. 훈련은 SageMaker Studio 노트북에서 데이터를 수동으로 추출하고 단계를 실행하여 수행되었습니다. 시간이 지남에 따라 예측 정확도가 하락하고 있습니다. 모델 정확도를 유지하는 가장 운영 효율적인 단계 조합은 무엇입니까? (두 가지 선택)

정확도 하락은 데이터 드리프트나 모델 드리프트의 일반적인 징후입니다. SageMaker Pipelines는 데이터 추출, 모델 훈련, 배포를 포함한 MLOps 워크플로우를 자동화하여 모델을 최신 상태로 유지하는 데 가장 효율적인 방법입니다. SageMaker Model Monitor는 모델 성능을 지속적으로 모니터링하고, 정확도 임계값을 초과하면 CloudWatch 경보를 통해 SageMaker Pipelines 워크플로우를 트리거하여 모델을 자동으로 재훈련하고 재배포할 수 있습니다. 이는 운영 효율성을 극대화합니다. 수동 재훈련은 비효율적이며, S3에 예측을 저장하고 이메일을 보내는 것은 자동화된 재훈련을 제공하지 않습니다. ECS 작업은 복잡성을 증가시키고 SageMaker의 내장 기능을 활용하지 못합니다.