Een bedrijf dat meerdere ML-modellen gebruikt, wil wijzigingen in de modelprestaties detecteren, zodat problemen snel kunnen worden aangepakt. Welke AWS-functie voldoet aan deze vereiste?

Amazon SageMaker Model Monitor is het juiste antwoord omdat het continu de kwaliteit van in productie genomen ML-modellen bewaakt. Het detecteert afwijkingen in gegevensdrift, conceptdrift en modelkwaliteit, waardoor bedrijven proactief problemen met modelprestaties kunnen identificeren en oplossen. Amazon SageMaker JumpStart biedt vooraf getrainde modellen en oplossingen voor snelle implementatie, maar bewaakt de prestaties van geïmplementeerde modellen niet. Amazon SageMaker HyperPod is geoptimaliseerd voor gedistribueerde training van grote modellen en heeft geen bewakingsfunctionaliteit. Amazon SageMaker Data Wrangler helpt bij het voorbereiden en transformeren van gegevens voor ML, maar is niet bedoeld voor het monitoren van modelprestaties na implementatie.