Bonnes réponses
- BUne alarme CloudWatch qui se déclenche lorsqu'une métrique de qualité tombe sous un seuil.
- CUn calendrier SageMaker Model Monitor pour capturer les données d'inférence et calculer les métriques de qualité.
- DUne fonction AWS Lambda qui démarre un travail d'entraînement SageMaker ou l'exécution d'un pipeline.
Explication
L'option B est correcte car une alarme CloudWatch surveillant une métrique de qualité du modèle (par exemple, MAE, F1) et se déclenchant lorsqu'elle franchit un seuil constitue le mécanisme de détection qui signale la dégradation des performances et peut déclencher une action. L'option C est correcte car SageMaker Model Monitor (plus précisément un calendrier de surveillance avec une référence de qualité) capture les données d'inférence de l'endpoint et calcule les métriques de qualité que CloudWatch évalue ensuite. L'option D est correcte car une fonction AWS Lambda est l'élément d'automatisation qui, lorsqu'elle est invoquée par l'alarme CloudWatch (via SNS ou EventBridge), appelle l'API SageMaker pour lancer un travail d'entraînement ou l'exécution d'un pipeline de réentraînement. L'option A n'est pas requise car l'approbation manuelle via un abonnement e-mail SNS est une étape humaine (human-in-the-loop) et non un composant du réentraînement automatisé. L'option E n'est pas requise car une variante de production avec un basculement de trafic canary est une stratégie de déploiement pour publier un nouveau modèle, et non un prérequis pour déclencher le réentraînement.