Amazon SageMaker로 배포된 ML 모델이 Model Monitor를 사용합니다. 모델 업데이트 후 ML 엔지니어가 Model Monitor 확인에서 데이터 품질 실패를 발견했습니다. Model Monitor가 플래그를 지정한 데이터 품질 문제를 해결하기 위해 엔지니어는 어떤 조치를 취해야 합니까?

Model Monitor는 기준선과 비교하여 데이터 품질 문제를 감지합니다. 데이터 품질 실패가 발생했다는 것은 현재 프로덕션 데이터의 분포가 원래 기준선과 크게 달라졌음을 의미합니다. 따라서 가장 효과적인 해결책은 최신 프로덕션 데이터셋을 기반으로 새로운 기준선을 생성하여 Model Monitor가 현재 데이터 분포를 정확하게 반영하도록 업데이트하는 것입니다. 모델의 파라미터나 하이퍼파라미터를 변경하는 것은 모델 성능을 개선할 수는 있지만, 데이터 품질 문제 자체를 해결하지는 못합니다. 수동 Model Monitor 작업을 시작하는 것은 문제를 진단하는 데 도움이 될 수 있지만, 근본적인 해결책은 아닙니다. 훈련 세트에 예제를 추가하고 모델을 재훈련하는 것은 모델 드리프트나 성능 저하에 대한 해결책일 수 있지만, 데이터 품질 문제에 직접적으로 대응하는 방법은 아닙니다.