Respostas corretas
- BUm alarme do CloudWatch que dispara quando uma métrica de qualidade cai abaixo de um limite.
- CUm cronograma do SageMaker Model Monitor para capturar dados de inferência e calcular métricas de qualidade.
- DUma função do AWS Lambda que inicia um job de treinamento do SageMaker ou execução de pipeline.
Explicação
A opção B está correta porque um alarme do CloudWatch monitorando uma métrica de qualidade do modelo (por exemplo, MAE, F1) e disparando quando ultrapassa um limite é o mecanismo de detecção que sinaliza a degradação do desempenho e pode invocar uma ação. A opção C está correta porque o SageMaker Model Monitor (especificamente um cronograma de monitoramento com uma linha de base de qualidade) captura dados de inferência do endpoint e calcula as métricas de qualidade que o CloudWatch então avalia. A opção D está correta porque uma função do AWS Lambda é a cola de automação que, quando invocada pelo alarme do CloudWatch (via SNS ou EventBridge), chama a API do SageMaker para iniciar um job de treinamento ou execução de pipeline para retreinamento. A opção A não é necessária porque a aprovação manual via assinatura de e-mail do SNS é uma etapa humana, não um componente do retreinamento automatizado. A opção E não é necessária porque uma variante de produção com canary traffic shift é uma estratégia de deployment para liberar um novo modelo, não um pré-requisito para acionar o retreinamento.