Publicado en: Oct 5, 2022
Nos complace anunciar que Amazon SageMaker Clarify admite la explicabilidad en línea al proporcionar explicaciones para las predicciones individuales del modelo de machine learning (ML) en tiempo casi real en puntos de enlace en vivo. SageMaker Clarify proporciona a los desarrolladores de ML una mayor visibilidad de los datos y modelos de formación para que puedan identificar posibles sesgos y explicar las predicciones. Los modelos de ML pueden tener más en cuenta algunas características del modelo que otras al generar predicciones. SageMaker Clarify proporciona puntuaciones que detallan cuál de las características contribuyó más a su predicción individual del modelo después de ejecutar el modelo en datos nuevos. Estas informaciones pueden ayudar a determinar si una característica de entrada en particular influye más de lo esperado en las predicciones del modelo. Puede ver esta información para cada predicción en tiempo real mediante la explicabilidad en línea u obtener un informe masivo que utiliza el procesamiento por lote de todas las predicciones individuales. Esta nueva característica reduce de minutos a segundos o menos, la latencia para las explicaciones. Las posibilidades para las explicaciones en tiempo real son amplias. Por ejemplo, si los representantes del servicio al cliente resuelven el problema en tiempo real, pueden comprender mejor los motivos de abandono por parte de los clientes cuando llaman solicitando ayuda. A medida que el representante conoce más sobre la naturaleza del problema del cliente e ingresa esa información, las explicaciones en tiempo real pueden proporcionar un razonamiento actualizado para las resoluciones sugeridas.