Analityk danych musi zbudować model wykrywania oszustw, mając znacznie mniej przykładów oszustw niż legalnych transakcji. Chce sprawdzić model pod kątem stronniczości przed finalizacją i szybko działać przy minimalnym narzucie operacyjnym. Która opcja najlepiej spełnia te wymagania?

Poprawna odpowiedź najlepiej spełnia wszystkie wymagania. SMOTE w Amazon SageMaker Studio to efektywny sposób na rozwiązanie problemu niezrównoważenia klas w środowisku SageMaker. SageMaker JumpStart umożliwia szybkie budowanie modeli dzięki gotowym rozwiązaniom, co minimalizuje narzut operacyjny. Amazon SageMaker Clarify jest przeznaczony do wykrywania i mierzenia stronniczości w modelach uczenia maszynowego, co jest kluczowe przed finalizacją. Pierwsza i druga opcja są mniej optymalne, ponieważ użycie SMOTE w Amazon EMR wprowadza dodatkową złożoność i narzut operacyjny w porównaniu do bezpośredniego użycia w SageMaker Studio. Dodatkowo, Amazon Augmented AI (A2I) służy do weryfikacji danych i wyników predykcji przez ludzi, a nie do automatycznego sprawdzania stronniczości modelu przed finalizacją, co jest zadaniem dla SageMaker Clarify. Czwarta opcja jest niepoprawna, ponieważ Amazon SageMaker Model Monitor służy do monitorowania dryfu danych i dryfu modelu w czasie rzeczywistym po wdrożeniu, a nie do sprawdzania stronniczości przed finalizacją modelu.