Aplikacja musi zapewniać przepływ pracy na żądanie w celu oceny dryfu stronniczości dla modeli wdrożonych w punktach końcowych czasu rzeczywistego. Które działanie spełnia ten wymóg?

Prawidłowa odpowiedź to A. SageMaker Clarify jest przeznaczony do wykrywania i oceny stronniczości w modelach uczenia maszynowego. Uruchomienie zadania Clarify na żądanie za pomocą funkcji AWS Lambda jest efektywnym sposobem na zautomatyzowanie oceny dryfu stronniczości dla modeli wdrożonych w punktach końcowych czasu rzeczywistego. Opcja B jest nieprawidłowa, ponieważ sagemaker-model-monitor-analyzer jest używany do monitorowania jakości danych i dryfu modelu, a nie bezpośrednio do oceny stronniczości. Opcja C jest nieprawidłowa, ponieważ AWS Glue Data Quality koncentruje się na jakości danych w potokach ETL, a nie na ocenie stronniczości modeli ML. Opcja D jest nieprawidłowa, ponieważ ręczne porównywanie metryk stronniczości za pomocą notatników SageMaker nie spełnia wymogu „na żądanie” i automatyzacji.