Durante o desenvolvimento, um cientista de dados usa um notebook em nuvem para executar tarefas leves de engenharia de recursos durante o horário comercial. Um engenheiro de dados usa o mesmo notebook cerca de uma vez por dia para executar pré-processamento pesado e com uso intensivo de memória (cerca de 2 horas); o pré-processamento não usa GPUs. Atualmente, ambos são executados em uma instância de notebook ml.m5.4xlarge de uso geral. O orçamento mensal da AWS foi excedido. Qual mudança proporcionará a maior economia de custos?

A opção correta otimiza o uso de recursos para cada tarefa. O notebook do cientista de dados, para tarefas leves, pode ser executado em uma instância de uso geral menor, reduzindo custos quando ativo e mais ainda quando parado. O pré-processamento pesado e intensivo em memória, que não usa GPU, é melhor executado como um trabalho de processamento gerenciado em uma instância otimizada para memória (r5). Isso permite que o trabalho seja executado em um ambiente configurado especificamente para suas necessidades, sem a necessidade de manter uma instância grande e cara o tempo todo. As outras opções são menos eficientes: Mudar para uma instância otimizada para memória e executar tudo lá não resolve o problema de ter uma instância grande e cara ociosa na maior parte do tempo, e as tarefas leves não se beneficiam de uma instância otimizada para memória. Manter o tipo de instância existente e usar uma instância acelerada por GPU para pré-processamento é incorreto, pois o pré-processamento não usa GPUs, resultando em custos desnecessários. Usar uma instância reservada para o pré-processamento não é ideal, pois o trabalho é esporádico (uma vez por dia), e instâncias reservadas são mais adequadas para cargas de trabalho contínuas e previsíveis.