Специалисту по данным необходимо создать модель обнаружения мошенничества, в которой примеров мошенничества значительно меньше, чем легитимных. Ему также нужно проверить модель на предвзятость перед окончательной доработкой и быстро запустить ее с минимальными операционными издержками. Какой вариант лучше всего соответствует этим требованиям?

Правильный вариант предлагает наиболее эффективное решение. SMOTE (Synthetic Minority Over-sampling Technique) в SageMaker Studio позволяет сбалансировать несбалансированные классы данных о мошенничестве. SageMaker JumpStart обеспечивает быстрое создание модели с минимальными операционными издержками, используя предварительно обученные модели. SageMaker Clarify специально разработан для обнаружения и смягчения предвзятости в моделях машинного обучения, что соответствует требованию проверки предвзятости. Первый вариант неверен, так как Amazon EMR избыточен для SMOTE и SageMaker Studio Classic не является оптимальным для быстрой разработки. Второй вариант неверен, потому что Amazon EMR снова избыточен, а A2I предназначен для человеческой проверки, а не для автоматической проверки предвзятости модели. Четвертый вариант неверен, так как SageMaker Model Monitor используется для мониторинга производительности модели в производстве, а не для проверки предвзятости перед окончательной доработкой.