Bir ML mühendisinin, girdi özellik dağılımlarındaki kaymaları otomatik olarak tespit etmek için bir SageMaker modelini izlemesi gerekmektedir. Bu yeteneği minimum operasyonel yük ile sağlayan yaklaşım hangisidir?

Doğru cevap, SageMaker Model Monitor'u veri kalitesi taban çizgisiyle yapılandırmayı, emitmetrics seçeneğini etkinleştirmeyi ve CloudWatch alarmları kurmayı içerir. SageMaker Model Monitor, girdi özellik dağılımlarındaki kaymaları otomatik olarak tespit etmek için tasarlanmış bir hizmettir. Veri kalitesi taban çizgisi, modelin beklenen girdi dağılımlarını tanımlar. emitmetrics seçeneği, Model Monitor'un CloudWatch'a metrik göndermesini sağlayarak, bu metrikler üzerinde alarmlar oluşturulmasına olanak tanır ve böylece operasyonel yükü minimumda tutar. Diğer seçenekler neden yanlış: Model kalitesi taban çizgisi, modelin tahminlerinin doğruluğu veya performansı ile ilgilidir, girdi özellik dağılımlarıyla değil. comparisonmethod seçeneği bu bağlamda birincil izleme mekanizması değildir. SageMaker Debugger, model eğitimi sırasında içsel tensörleri izlemek için kullanılır, dağıtılmış bir modelin girdi özellik dağılımlarındaki kaymaları izlemek için değildir. Amazon CloudWatch'u doğrudan kullanmak ve günlükleri manuel olarak analiz etmek, otomatik bir çözüm değildir ve yüksek operasyonel yük gerektirir.