Um varejista com 2.000 lojas precisa de previsões por área geográfica que considerem feriados e clima. Ele quer testar o modelo por 2 a 3 dias e precisa que ele se adapte às restrições da cadeia de suprimentos e da loja. Qual combinação de etapas fornece a funcionalidade necessária com o menor overhead operacional? (Escolha duas.)

A opção "Desenvolver o modelo usando a featurização de feriados e o índice de clima do Amazon Forecast" é correta porque o Amazon Forecast é um serviço de previsão de séries temporais totalmente gerenciado, ideal para o cenário de varejo com 2.000 lojas. Ele oferece featurização automática, incluindo feriados e índices climáticos, que são cruciais para a precisão das previsões de vendas. Isso minimiza o overhead operacional em comparação com o desenvolvimento manual de modelos. A opção "Implantar o modelo com um canary rollout usando o Amazon SageMaker e o AWS Step Functions para testes curtos" é correta porque um canary rollout permite testar o modelo em um pequeno subconjunto de lojas por 2 a 3 dias, conforme solicitado, antes de uma implantação completa. O Amazon SageMaker é a plataforma ideal para hospedar o modelo, e o AWS Step Functions pode orquestrar o processo de implantação e monitoramento do canary, garantindo testes curtos e controlados com baixo overhead. As opções de teste A/B são menos adequadas para testes de curta duração e adaptação rápida a restrições, pois exigem mais tempo para coletar dados estatisticamente significativos. O modelo Prophet do Amazon Forecast é uma opção, mas a featurização automática de feriados e clima do Forecast oferece uma solução mais completa e com menor overhead para este caso específico.