Компании требуется рабочий процесс ручного утверждения, чтобы только авторизованные версии моделей могли быть развернуты в production-конечных точках. Какое решение удовлетворяет этому требованию?

Правильный ответ — использование SageMaker Pipelines с AWS SDK для изменения статуса утверждения модели. SageMaker Model Registry позволяет регистрировать версии моделей и управлять их статусом утверждения (например, Pending, Approved, Rejected). SageMaker Pipelines может автоматизировать процесс обучения и регистрации модели, а затем с помощью AWS SDK (например, Boto3) можно программно обновить статус утверждения модели в реестре после ручной проверки. SageMaker Experiments отслеживает и сравнивает итерации обучения, но не управляет утверждением моделей для развертывания. SageMaker ML Lineage Tracking отслеживает происхождение артефактов ML, но не предназначен для управления рабочими процессами утверждения. SageMaker Model Monitor используется для мониторинга производительности развернутых моделей в production, а не для утверждения их перед развертыванием.