Een e-commerceteam heeft een forecastingmodel geïmplementeerd op een SageMaker real-time endpoint voor near real-time voorraadbeheer, maar de nauwkeurigheid van het model neemt na verloop van tijd af. Ze hebben een geautomatiseerde langetermijnaanpak nodig om problemen te detecteren die hertraining moeten activeren. Welke oplossing voldoet aan deze vereiste?

Amazon SageMaker Clarify is de juiste keuze omdat het specifiek is ontworpen om bias in modellen en data te detecteren en te monitoren, wat een veelvoorkomende oorzaak is van afnemende modelnauwkeurigheid (model drift). Door continu de bias in de inputdata en de modeloutput te analyseren, kan Clarify waarschuwingen genereren wanneer de bias een vooraf gedefinieerde drempel overschrijdt, wat aangeeft dat hertraining nodig is. Amazon SageMaker Debugger richt zich op het monitoren van trainingsprocessen en het detecteren van problemen tijdens de training, niet op de prestaties van een geïmplementeerd model over tijd. AWS X-Ray is een distributed tracing-service die helpt bij het analyseren van de prestaties van applicaties en services, niet bij de inhoudelijke prestaties of bias van een ML-model. Amazon SageMaker Ground Truth wordt gebruikt voor het labelen van datasets om trainingsdata te creëren, niet voor het monitoren van de prestaties van een actief model.