Bir ML mühendisinin, büyük veri kümeleri üzerinde modelleri eşzamansız olarak çalıştırması ve model girdi verisi kalitesini düzenli olarak kontrol etmesi, veri kalitesi değişiklikleri meydana geldiğinde uyarılar alması gerekmektedir. Hangi çözüm bu gereksinimleri karşılar?

Doğru cevap, eşzamansız çıkarım için Amazon SageMaker Batch Transform'u ve veri kalitesi izleme ve uyarılar için SageMaker Model Monitor'u kullanmaktır. SageMaker Batch Transform, büyük veri kümeleri üzerinde modelleri eşzamansız olarak çalıştırmak için tasarlanmıştır. SageMaker Model Monitor ise model girdi verisi kalitesini düzenli olarak kontrol etme ve veri kalitesi değişikliklerinde uyarı gönderme yeteneği sunar. Diğer seçenekler bu gereksinimleri tam olarak karşılamaz: AWS Glue ve CloudWatch alarmları genel veri işleme ve izleme için uygun olsa da, ML modellerinin çıkarımını ve özel veri kalitesi izlemesini SageMaker kadar entegre ve verimli bir şekilde yönetmez. AWS Batch ve CloudTrail, ML çıkarımı ve veri kalitesi izlemesi için doğrudan bir çözüm değildir. CloudTrail, API etkinliklerini kaydetmek için kullanılır, veri kalitesini izlemek için değil. AWS Fargate ile Amazon ECS ve Amazon EventBridge, genel konteynerize uygulamaları ve olay tabanlı otomasyonu desteklese de, SageMaker'ın sunduğu ML model yönetimi ve izleme özelliklerine sahip değildir.