公司要求其模型具有透明度和可解釋性。哪兩個 Amazon SageMaker 功能提供了有助於實現透明度和可解釋性的能力？（請選擇兩項。）

SageMaker Model Cards 提供了一種標準化的方式來記錄模型的中繼資料、訓練細節、效能指標和預期用途，這對於理解模型行為和決策過程至關重要，直接支援透明度和可解釋性。SageMaker Clarity 則用於監控和解釋模型預測，它能幫助開發者理解模型做出特定決策的原因，並識別潛在的偏差，進一步提升了模型的透明度和可解釋性。SageMaker Pipelines 專注於自動化機器學習工作流程，與透明度和可解釋性無直接關聯。SageMaker Model Monitor 主要用於監控生產模型的資料漂移和模型品質，而非解釋模型決策。SageMaker Debugger 則用於分析訓練過程中的張量，以檢測和修復訓練問題，與模型解釋性不同。