Setki analityków danych przechowuje modele w grupach modeli SageMaker Model Registry. Zespół chce uporządkować istniejące modele w trzech kategoriach (wizja komputerowa, NLP, rozpoznawanie mowy), aby poprawić ich wykrywalność bez zmiany artefaktów modelu lub istniejących grupowań. Które podejście spełnia te ograniczenia?

Prawidłowa odpowiedź to utworzenie kolekcji Model Registry dla każdej kategorii i umieszczenie istniejących grup modeli w tych kolekcjach. Kolekcje SageMaker Model Registry umożliwiają logiczne grupowanie grup modeli, co poprawia wykrywalność i organizację bez wpływu na istniejące artefakty modeli ani ich grupowanie. Tworzenie niestandardowych tagów jest możliwe, ale może stać się trudne do zarządzania przy dużej liczbie modeli i nie zapewnia hierarchicznej struktury, jaką oferują kolekcje. Przenoszenie modeli do nowych grup modeli zmieniłoby istniejące grupowanie, co jest sprzeczne z wymaganiami. Użycie SageMaker ML Lineage Tracking służy do śledzenia pochodzenia artefaktów ML, a nie do kategoryzowania modeli w sposób, który poprawia ich wykrywalność w Model Registry.