Firma wymaga ręcznego przepływu pracy zatwierdzania, aby tylko autoryzowane wersje modeli mogły być wdrażane do produkcyjnych punktów końcowych. Które rozwiązanie spełnia ten wymóg?

Poprawna odpowiedź to użycie SageMaker Pipelines i AWS SDK. SageMaker Model Registry umożliwia zarządzanie wersjami modeli i ich statusami zatwierdzenia (np. „Pending”, „Approved”, „Rejected”). SageMaker Pipelines automatyzuje proces ML, a po zarejestrowaniu modelu w rejestrze, można programowo (za pomocą AWS SDK lub boto3) zmienić status zatwierdzenia wersji modelu na „Approved”, co spełnia wymóg ręcznego zatwierdzania przed wdrożeniem. SageMaker Experiments służy do śledzenia eksperymentów i ich wyników, a nie do zarządzania zatwierdzeniami modeli. SageMaker ML Lineage Tracking śledzi pochodzenie artefaktów ML, ale nie zarządza bezpośrednio procesem zatwierdzania. SageMaker Model Monitor służy do monitorowania wydajności wdrożonych modeli, a nie do wstępnego zatwierdzania ich do wdrożenia.