Firma uruchamiająca wiele modeli ML chce wykrywać zmiany w wydajności modeli, aby móc szybko rozwiązywać problemy. Która funkcja AWS spełnia to wymaganie?

Amazon SageMaker Model Monitor to usługa zaprojektowana specjalnie do automatycznego wykrywania dryfu danych i dryfu modelu, a także do monitorowania jakości danych i wydajności modelu w czasie. Umożliwia to firmie szybkie identyfikowanie i rozwiązywanie problemów z wydajnością modeli ML. Amazon SageMaker JumpStart to centrum rozwiązań ML, które pomaga szybko rozpocząć pracę z ML, ale nie monitoruje wydajności modeli. Amazon SageMaker HyperPod to zoptymalizowana infrastruktura do rozproszonego trenowania modeli, a nie narzędzie do monitorowania. Amazon SageMaker Data Wrangler to narzędzie do przygotowywania danych do ML, a nie do monitorowania wdrożonych modeli.