Pożyczkodawca używa modelu ML do akceptowania lub odrzucania wniosków kredytowych i musi sprawić, aby proces decyzyjny był możliwy do audytu i wyjaśnienia dla regulatorów. Które rozwiązanie pomaga dokumentować i prezentować decyzje modelu na potrzeby audytów?

Amazon SageMaker Model Card to narzędzie zaprojektowane do dokumentowania i raportowania szczegółów modelu uczenia maszynowego, w tym jego przeznaczenia, danych treningowych, metryk wydajności i ograniczeń. Umożliwia to audytowalność i wyjaśnialność decyzji modelu, co jest kluczowe dla regulatorów w sektorze finansowym. Amazon Textract służy do ekstrakcji tekstu z dokumentów, AWS CloudFormation do zarządzania infrastrukturą jako kodem, a Amazon Comprehend do analizy tekstu naturalnego. Żadne z nich nie zapewnia kompleksowego rozwiązania do dokumentowania i prezentowania decyzji modelu ML w kontekście audytu.