某醫院使用機器學習模型執行夜間批次推論任務，以驗證 X 光結果。該醫院需要每天產生一份關於模型資料品質和模型效能的報告。哪種解決方案能提供所需的每日監控和報告？

Amazon SageMaker Model Monitor 專為監控生產環境中的機器學習模型而設計，能夠排程每日任務來分析模型資料品質（資料漂移、資料偏差）和模型效能（預測品質），並自動產生詳細報告。這完全符合醫院對每日監控和報告的需求。 建立 Amazon CloudWatch 儀表板主要用於監控基礎設施指標（如 CPU 使用率、記憶體），而非直接監控模型資料品質或模型效能。AWS Glue DataBrew 雖然能進行資料品質檢查，但它更偏向於資料準備階段，且不具備 SageMaker Model Monitor 內建的模型效能監控和自動報告功能。SageMaker AI pipeline 中的 QualityCheck 步驟主要用於模型訓練或部署前的品質驗證，而非持續性的生產模型監控。