Bir SageMaker endpoint'inde dağıtılan bir XGBoost modeli, bir AWS Lambda fonksiyonu aracılığıyla canlı çıkarım istekleri almaktadır. Ekibin, gelen canlı verileri kullanarak modelin doğruluğunun zamanla düşüp düşmediğini tespit etmesi gerekmektedir. Bu ihtiyacı hangi çözüm karşılar?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Canlı verileri eğitim verisi istatistikleri ve kısıtlamalarının bir taban çizgisiyle karşılaştırarak drift'i tespit etmek için bir SageMaker Model Monitor işi planlayın..
Neden bu cevap
Doğru cevap, model drift'ini tespit etmek için SageMaker Model Monitor'ü kullanmaktır. SageMaker Model Monitor, canlı çıkarım verilerini eğitim verisi istatistikleri ve kısıtlamalarından oluşan bir taban çizgisiyle karşılaştırarak veri ve model kalitesi sorunlarını otomatik olarak algılar. Bu, modelin doğruluğunun zamanla düşüp düşmediğini belirlemek için tasarlanmış bir özelliktir. Diğer seçenekler neden yanlış: CloudWatch panosu oluşturmak, yalnızca metrikleri görselleştirir ancak drift'i otomatik olarak tespit etmez veya uyarı vermez. Lambda fonksiyonunu drift hesaplayacak şekilde değiştirmek, manuel bir çözüm olup ölçeklenebilirlik ve bakım açısından verimli değildir. SageMaker Debugger, modelin eğitim sürecindeki sorunları tespit etmek için kullanılır, canlı çıkarım sırasında model drift'ini izlemek için değildir.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez