Bir e-ticaret ekibi, gerçek zamanlıya yakın envanter yönetimi için bir tahmin modelini bir SageMaker gerçek zamanlı uç noktasına dağıttı, ancak model doğruluğu zamanla azalıyor. Yeniden eğitimi tetiklemesi gereken sorunları tespit etmek için uzun vadeli otomatik bir yaklaşıma ihtiyaçları var. Hangi çözüm bu gereksinimi karşılar?

Doğru cevap, model ve özellik atıf yanlılığını izlemek için Amazon SageMaker Clarify'ı kullanmaktır. SageMaker Clarify, model doğruluğunun zamanla düşmesine neden olabilecek veri ve model sapmalarını (drift) tespit etmek için kullanılabilir. Bu sapmalar, modelin yeniden eğitilmesi gerektiğini gösteren temel sorunlardır. SageMaker Clarify, bu sapmaları izleyerek ve algılayarak otomatik uyarılar gönderebilir, böylece ekibin yeniden eğitimi tetiklemesini sağlar. Diğer seçenekler neden yanlış: Amazon SageMaker Debugger, eğitim sırasında modelin içsel davranışını analiz etmek için kullanılır, dağıtılmış bir modelin performans düşüşünü izlemek için değil. AWS X-Ray, uygulama performansını ve hizmetler arası etkileşimleri izlemek için kullanılır, model doğruluğu veya veri sapmasını izlemek için değil. Amazon SageMaker Ground Truth, eğitim verileri için etiketleme hizmeti sunar; mevcut bir modelin performans düşüşünü izlemek veya yeniden eğitim ihtiyacını belirlemek için doğrudan bir çözüm değildir.