데이터 과학자는 사기 사례가 합법적인 사례보다 훨씬 적은 사기 탐지 모델을 구축해야 하며, 모델을 확정하기 전에 편향을 확인해야 하고, 운영 오버헤드를 최소화하면서 신속하게 진행하기를 원합니다. 다음 중 이러한 요구 사항을 가장 잘 충족하는 옵션은 무엇입니까?

이 옵션은 주어진 요구 사항을 가장 잘 충족합니다. SageMaker Studio 내에서 SMOTE를 사용하여 클래스 불균형을 해결하고, SageMaker JumpStart를 통해 사전 훈련된 모델을 활용하여 신속하게 모델을 구축할 수 있습니다. SageMaker Clarify는 모델 학습 전후의 데이터 편향과 모델 예측 편향을 효과적으로 감지하고 설명하여 편향 검토 요구 사항을 충족합니다. 다른 옵션들은 다음과 같은 이유로 적합하지 않습니다: Amazon EMR에서 SMOTE를 사용하는 것은 운영 오버헤드를 증가시키고 신속한 진행 요구 사항에 부합하지 않습니다. Amazon A2I는 주로 인간 검토 워크플로우에 사용되며, 모델 편향 자체를 분석하는 데는 SageMaker Clarify가 더 적합합니다. SageMaker Model Monitor는 주로 배포된 모델의 성능 및 데이터 드리프트 모니터링에 사용되며, 모델 확정 전의 편향 확인에는 SageMaker Clarify가 더 적합합니다.