Um Especialista tem um conjunto de dados de treinamento muito grande no S3 (milhões de registros). Ele quer evitar copiar todos os dados para o volume EBS de 5 GB de um notebook SageMaker, mas ainda assim treinar com o conjunto de dados completo. Qual fluxo de trabalho permite usar o conjunto de dados completo para treinamento com cópia local mínima?

A opção correta permite usar o conjunto de dados completo sem copiá-lo para o volume EBS limitado do notebook. Validar o código com um subconjunto no notebook é eficiente. Em seguida, iniciar um trabalho de treinamento do SageMaker com o modo de entrada Pipe é a solução ideal porque ele transmite os dados diretamente do S3 para a instância de treinamento, sem a necessidade de baixar todo o conjunto de dados para o disco local da instância. As outras opções são menos eficientes ou não resolvem o problema de forma adequada: Iniciar uma instância EC2 e anexar o bucket S3 não é o fluxo de trabalho padrão e otimizado do SageMaker para treinamento de modelos, além de exigir mais gerenciamento manual. Usar o AWS Glue para testar o treinamento não é o propósito principal do Glue e não se alinha com o fluxo de trabalho de treinamento do SageMaker. Treinar localmente e depois em uma instância EC2 Deep Learning repete o problema de gerenciamento manual e não aproveita as capacidades de streaming do SageMaker.