内容领域 4：ML 解决方案的监控、维护和安全保护
任务 4.1：监控模型推理
掌握以下知识：
ML 模型中的漂移
监控数据质量和模型性能的技术
设计原则，用于与监控相关的 ML 剖析
具备以下技能：
监控用于生产的模型（例如，使用 Amazon SageMaker Model Monitor）
监控工作流以检测数据处理或模型推理中的异常或错误
检测可能影响模型性能的数据分布变化（例如，使用 SageMaker Clarify）
使用 A/B 测试监控用于生产的模型的性能
任务 4.2：监控和优化基础设施与成本
掌握以下知识：
ML 基础设施的关键性能指标（例如，利用率、吞吐量、可用性、可扩展性、容错能力）
用于解决延迟和性能问题的监控和可观测性工具（例如，AWS X-Ray、Amazon CloudWatch Lambda Insights、Amazon CloudWatch Logs Insights）
如何使用 AWS CloudTrail 记录、监控和调用重新培训活动
实例类型之间的差异及其如何影响性能（例如，内存优化型、计算优化型、通用型、推理优化型）
成本分析工具的功能（例如 AWS Cost Explorer、AWS 账单与成本管理、AWS Trusted Advisor）
成本跟踪和分配技术（例如，资源标记）
具备以下技能：
配置和使用工具，以便对资源进行故障排除和分析（例如，CloudWatch Logs、CloudWatch 警报）
创建 CloudTrail 跟踪记录
设置控制面板以监控性能指标（例如，使用 Amazon Quick Suite (前称 Amazon QuickSight)、CloudWatch 控制面板）
监控基础设施（例如，使用 Amazon EventBridge 事件）
调整实例系列和大小（例如，使用 SageMaker AI Inference Recommender 和 AWS Compute Optimizer）
监控并解决延迟和扩缩问题
准备基础设施进行成本监控（例如，通过应用标记策略）
对涉及成本和性能的容量问题进行故障排除（例如，预置并发、服务配额、自动扩缩）
使用合适的成本管理工具（例如 AWS Cost Explorer、AWS Trusted Advisor、AWS Budgets）来优化成本和设置成本配额
通过选择购买选项（例如，竞价型实例、按需型实例、预留实例、SageMaker AI 节省计划）来优化基础设施成本
任务 4.3：保护 AWS 资源
掌握以下知识：
控制访问 AWS 服务的 IAM 角色、策略和组（例如，AWS Identity and Access Management [IAM]、存储桶策略、SageMaker 角色管理器）
SageMaker AI 安全性和合规性功能
控制对 ML 资源的网络访问
CI/CD 管道的安全最佳实践
具备以下技能：
配置对 ML 构件的最低权限访问
为与 ML 系统交互的用户和应用程序配置 IAM 策略和角色
对 ML 系统进行监控、审计和日志记录，确保实现持续的安全性和合规性
对安全问题进行故障排除和调试
构建 VPC、子网和安全组以安全地隔离 ML 系统
