Um modelo implantado baseado em um algoritmo genético pode levar vários minutos para produzir uma previsão e deve processar solicitações que incluem até 100 MB de dados. Qual opção de implantação minimiza a sobrecarga operacional e, ao mesmo tempo, atende a esses requisitos?

A inferência assíncrona do Amazon SageMaker é a melhor opção porque foi projetada para modelos com tempos de processamento longos (vários minutos) e cargas úteis de solicitação grandes (até 100 MB), minimizando a sobrecarga operacional. Ela enfileira as solicitações e as processa de forma assíncrona, retornando os resultados quando prontos, sem exigir que o cliente espere ativamente. As instâncias do Amazon EC2 com Auto Scaling e Application Load Balancer (ALB) ou Amazon ECS exigem mais gerenciamento de infraestrutura e não são otimizadas para inferência de longa duração com grandes cargas úteis. Um endpoint em tempo real do Amazon SageMaker é ideal para inferência de baixa latência e cargas úteis menores, não sendo adequado para o requisito de "vários minutos" e 100 MB.