Bir veri bilimcisi, kredi temerrüdü tahmin modeli eğitmek ve dağıtmak için SageMaker kullandı. Eğitim, verileri manuel olarak çıkararak ve SageMaker Studio not defterinde adımları çalıştırarak yapıldı. Tahmin doğruluğu zamanla düşüyor. Model doğruluğunu korumanın operasyonel olarak en verimli yolu hangi adımların birleşimidir? (İki tane seçin.)

Model doğruluğunun zamanla düşmesi, modelin güncel olmayan verilerle eğitildiğini veya veri dağılımının değiştiğini gösterir. Bu durumu düzeltmek ve operasyonel verimliliği sağlamak için otomatik bir çözüm gereklidir. SageMaker Pipelines, veri çıkarma, model eğitimi ve dağıtım dahil olmak üzere tüm ML iş akışını otomatikleştirerek insan müdahalesini en aza indirir ve tutarlılık sağlar. Bu, modelin düzenli olarak güncel verilerle yeniden eğitilmesini ve dağıtılmasını sağlar. SageMaker Model Monitor, modelin performansını (doğruluk gibi) sürekli olarak izler. Belirlenen bir doğruluk eşiği aşıldığında bir CloudWatch alarmı tetikleyerek modelin yeniden eğitilmesi gerektiğini bildirir. Bu alarmı SageMaker Pipelines iş akışına bağlamak, model performansında düşüş olduğunda otomatik yeniden eğitimi başlatarak proaktif bir çözüm sunar. Diğer seçenekler ya manuel müdahale gerektirir (SageMaker Studio not defteri, e-posta ile bildirim) ya da daha karmaşık ve daha az entegre çözümler sunar (ECS görevi), bu da operasyonel verimliliği düşürür.