Firma wdrażająca modele ML na AWS chce zapewnić przejrzystość w procesie podejmowania decyzji przez model i oferować wyjaśnienia dla przewidywań. Która funkcja AWS wspiera tę potrzebę?

Amazon SageMaker Model Cards to właściwy wybór, ponieważ są przeznaczone do dokumentowania informacji o modelu ML, w tym jego przeznaczenia, danych treningowych, metryk wydajności i ograniczeń. Umożliwiają tworzenie ustandaryzowanych raportów, które pomagają w zapewnieniu przejrzystości i zrozumienia działania modelu, co jest kluczowe dla wyjaśniania jego przewidywań i decyzji. Pozostałe opcje są nieprawidłowe, ponieważ: Amazon Rekognition to usługa do analizy obrazów i wideo, a nie do dokumentowania modeli ML. Amazon Comprehend to usługa do przetwarzania języka naturalnego (NLP), a nie do zapewniania przejrzystości modeli. Amazon Lex to usługa do tworzenia interfejsów konwersacyjnych (chatbotów), a nie do dokumentowania i wyjaśniania modeli ML.