Zespół ML udostępnia artefakty modelu innym zespołom, ale zachowuje kod i dane szkoleniowe. Chcą mechanizmu czasu publikacji, który wspierałby audyt i przejrzystość ich niestandardowych modeli. Które rozwiązanie powinni zastosować podczas publikowania tych modeli?
Wybierz odpowiedź
Dotknij opcji, aby sprawdzić swoją odpowiedź.
Poprawna odpowiedź: Publikować Amazon SageMaker Model Cards, które opisują zamierzone zastosowania, dane szkoleniowe i szczegóły wnioskowania..
Dlaczego to jest odpowiedź
Publikowanie Amazon SageMaker Model Cards jest najlepszym rozwiązaniem, ponieważ zapewniają one ustrukturyzowany i kompleksowy sposób dokumentowania kluczowych informacji o modelu, takich jak zamierzone zastosowania, dane szkoleniowe, metryki wydajności i szczegóły wnioskowania. Jest to zgodne z potrzebą audytu i przejrzystości. Pisanie dokumentacji w Amazon S3 jest mniej ustrukturyzowane i może być trudniejsze do utrzymania. Używanie AWS AI Service Cards jest przeznaczone dla usług AI, a nie dla niestandardowych modeli ML. Dostarczanie skryptów szkoleniowych w repozytorium Git nie zapewnia wystarczającej przejrzystości ani audytowalności samego modelu.
Zdaj egzamin — bez niekończącego się szukania odpowiedzi
Uzyskaj wszystkie zweryfikowane pytania i wyjaśnienia do tego egzaminu w jednym miejscu i zaoszczędź godziny przygotowań. Ponad 1000 certyfikacji · Ponad 20 języków · Zacznij za darmo.
Zdaj egzamin szybciej → Karta nie jest wymagana