웹사이트에 배포된 부동산 가격 예측 모델의 정확도가 점차 떨어지고 있습니다. 엔지니어는 모델을 개선하고 향후 성능 저하에 대해 자동으로 알림을 받아야 합니다. 두 가지 요구 사항을 모두 충족하는 접근 방식은 무엇입니까?

모델 성능 저하 문제를 해결하고 향후 발생할 문제를 자동으로 감지하기 위해 점진적 학습(incremental learning)과 Amazon SageMaker Model Monitor를 결합하는 것이 가장 효과적인 접근 방식입니다. 점진적 학습은 모델을 최신 데이터로 지속적으로 업데이트하여 정확도를 유지하고 개선합니다. Amazon SageMaker Model Monitor는 배포된 모델의 성능 지표(예: 정확도)를 지속적으로 모니터링하여 데이터 드리프트나 모델 품질 저하와 같은 문제를 자동으로 감지하고, 설정된 임계값을 초과하면 알림을 보냅니다. 다른 옵션들은 다음과 같은 이유로 적절하지 않습니다. Amazon SageMaker Model Governance는 모델 관리 및 거버넌스 프레임워크이지, 직접적인 성능 모니터링 및 자동 알림 도구가 아닙니다. 하이퍼파라미터 조정은 모델 훈련 단계에서 사용되며, 배포 후 성능 저하 감지와는 직접적인 관련이 적습니다. Amazon SageMaker Debugger는 훈련 중인 모델의 디버깅을 위한 도구이며, 배포된 모델의 성능 모니터링에는 적합하지 않습니다. "최근 몇 달간의 데이터만 사용하여 모델을 점진적으로 재학습"하는 것은 모델 업데이트 방식의 한 종류일 수 있지만, 전체 데이터셋을 사용하는 점진적 학습이 더 효과적일 수 있습니다. 또한, 이 옵션은 Model Monitor를 언급하지만, 첫 번째 옵션이 모델 업데이트와 모니터링을 가장 명확하고 포괄적으로 제시합니다.