Jakość wnioskowania wdrożonego modelu spadła po czterech miesiącach. Zespół chce być powiadamiany o spadku jakości wnioskowania i zapobiec jego ponownemu wystąpieniu. Które rozwiązanie spełnia oba te cele?

Prawidłowa odpowiedź to ponowne wytrenowanie modelu i monitorowanie dryfu modelu za pomocą Amazon SageMaker Model Monitor. Spadek jakości wnioskowania po czterech miesiącach wskazuje na dryf danych lub modelu. Ponowne wytrenowanie modelu jest konieczne, aby przywrócić jego wydajność. Amazon SageMaker Model Monitor jest narzędziem zaprojektowanym do ciągłego monitorowania jakości modelu w czasie rzeczywistym, wykrywając dryf danych i dryf koncepcyjny, co pozwala na automatyczne powiadomienia i zapobieganie przyszłym spadkom wydajności. Pozostałe opcje są nieprawidłowe, ponieważ SageMaker Clarify służy do wykrywania stronniczości i wyjaśniania modeli, a nie do monitorowania dryfu produkcyjnego. SageMaker Feature Store służy do zarządzania cechami, a SageMaker JumpStart to usługa do szybkiego wdrażania gotowych modeli, a żadne z nich nie jest przeznaczone do monitorowania dryfu modelu.