Bir ML işlem hattı, veri kayması (data drift) algılandığında otomatik olarak bir yeniden eğitim işi başlatmalıdır. Mühendis, kaymayı algılamak ve yeniden eğitimi tetiklemek için işlem hattını nasıl yapılandırmalıdır?

Doğru cevap, veri kaymasını algılamak için SageMaker Model Monitor'ı ve yeniden eğitim işini otomatikleştirmek için bir AWS Lambda işlevini kullanmaktır. SageMaker Model Monitor, üretimdeki modellerin veri ve model kalitesini sürekli olarak izlemek için tasarlanmış yönetilen bir hizmettir ve veri kaymasını algılamak için idealdir. Bir kayma algılandığında, Model Monitor bir Amazon CloudWatch olayı yayınlayabilir. Bu olay, yeniden eğitim işini tetiklemek için bir AWS Lambda işlevini çağırabilir. Diğer seçenekler neden uygun değil: AWS Glue crawler ve ETL işi, veri kayması tespiti için tasarlanmamıştır; bunlar veri keşfi ve dönüşümü içindir. Amazon Managed Service for Apache Flink, gerçek zamanlı veri analizi için kullanılır ancak doğrudan veri kayması tespiti için optimize edilmemiştir. Amazon QuickSight anomali tespiti, iş zekası panolarındaki verilerdeki anormallikleri bulmak için kullanılır, ancak ML modellerinin üretimdeki veri kaymasını izlemek için birincil araç değildir.