Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Planen Sie Aufträge zur Überwachung der Datenqualität
<a name="model-monitor-schedule-data-monitor"></a>

Nachdem Sie Ihre Baseline erstellt haben, können Sie die `create_monitoring_schedule()` Methode Ihrer `DefaultModelMonitor` Klassen-Instance aufrufen, um einen stündlichen Datenqualitätsmonitor zu planen. In den folgenden Abschnitten erfahren Sie, wie Sie einen Datenqualitätsmonitor für ein Modell erstellen, das auf einem Echtzeit-Endpunkt bereitgestellt wird, sowie für einen Batch-Transformationsauftrag.

**Wichtig**  
Sie können bei der Erstellung Ihres Überwachungsplans entweder eine Batch-Transformationseingabe oder eine Endpunkteingabe angeben, jedoch nicht beides.

## Überwachung der Datenqualität für Modelle, die auf Echtzeit-Endpunkten bereitgestellt werden
<a name="model-monitor-data-quality-rt"></a>

Um eine Datenqualitätsüberwachung für einen Echtzeit-Endpunkt zu planen, übergeben Sie Ihre `EndpointInput` Instance an das `endpoint_input` Argument Ihrer `DefaultModelMonitor` Instance, wie im folgenden Codebeispiel gezeigt:

```
from sagemaker.model_monitor import CronExpressionGenerator
                
data_quality_model_monitor = DefaultModelMonitor(
   role=sagemaker.get_execution_role(),
   ...
)

schedule = data_quality_model_monitor.create_monitoring_schedule(
   monitor_schedule_name=schedule_name,
   post_analytics_processor_script=s3_code_postprocessor_uri,
   output_s3_uri=s3_report_path,
   schedule_cron_expression=CronExpressionGenerator.hourly(),
   statistics=data_quality_model_monitor.baseline_statistics(),
   constraints=data_quality_model_monitor.suggested_constraints(),
   schedule_cron_expression=CronExpressionGenerator.hourly(),
   enable_cloudwatch_metrics=True,
   endpoint_input=EndpointInput(
        endpoint_name=endpoint_name,
        destination="/opt/ml/processing/input/endpoint",
   )
)
```

## Überwachung der Datenqualität für Batch-Transformationsaufträge
<a name="model-monitor-data-quality-bt"></a>

Um eine Datenqualitätsüberwachung für einen Batch-Transformationsauftrag zu planen, übergeben Sie Ihre `BatchTransformInput` Instance an das `batch_transform_input` Argument Ihrer `DefaultModelMonitor` Instance, wie im folgenden Codebeispiel gezeigt:

```
from sagemaker.model_monitor import CronExpressionGenerator
                
data_quality_model_monitor = DefaultModelMonitor(
   role=sagemaker.get_execution_role(),
   ...
)

schedule = data_quality_model_monitor.create_monitoring_schedule(
    monitor_schedule_name=mon_schedule_name,
    batch_transform_input=BatchTransformInput(
        data_captured_destination_s3_uri=s3_capture_upload_path,
        destination="/opt/ml/processing/input",
        dataset_format=MonitoringDatasetFormat.csv(header=False),
    ),
    output_s3_uri=s3_report_path,
    statistics= statistics_path,
    constraints = constraints_path,
    schedule_cron_expression=CronExpressionGenerator.hourly(),
    enable_cloudwatch_metrics=True,
)
```