Bir ML uzmanı, Amazon SageMaker'da bir görüntü sınıflandırıcıyı eğitmek için kullanılan özel bir container görüntüsüne sahiptir ve bu özel görüntüden elde edilen hiperparametre optimizasyonu (HPO) sonuçlarını SageMaker'ın yerleşik görüntü sınıflandırma algoritmasından elde edilen sonuçlarla karşılaştırmak istemektedir. Tüm deneyler ve HPO işleri, SageMaker Studio not defterlerindeki script'lerden başlatılmalıdır. Uzmanın bunu en kısa sürede yapmasını sağlayacak yaklaşım hangisidir?

Doğru cevap, özel container modelini ayarlamak için SageMaker Experiments'ı ve yerleşik algoritmayı ayarlamak için SageMaker otomatik model ayarlamasını kullanmaktır. SageMaker Experiments, özel container ile yapılan birden çok eğitim işini izlemek ve karşılaştırmak için idealdir, bu da HPO sonuçlarını analiz etmeyi kolaylaştırır. SageMaker otomatik model ayarlaması (HPO), yerleşik algoritmalar için en iyi hiperparametreleri bulmak için tasarlanmıştır ve erken durdurma gibi özelliklerle verimlilik sağlar. Bu kombinasyon, her iki model türü için de en iyi performansı hızlı bir şekilde elde etmeyi ve karşılaştırmayı mümkün kılar. Diğer seçenekler neden yanlış: Yerel modda özel bir HPO script'i yazmak, SageMaker'ın otomatik ayarlama yeteneklerinden yararlanmadığı için zaman alıcı ve verimsizdir. SageMaker Autopilot, genellikle tablo verileri için otomatik makine öğrenimi çözümleri sunar ve özel container'lar için doğrudan HPO yapmaz. Her iki modeli aynı anda SageMaker otomatik model ayarlaması ile ayarlamak mümkün değildir çünkü özel container ve yerleşik algoritmalar farklı ayarlama işleri gerektirir.