Uma empresa tem um modelo de classificação de imagens e quer implantá-lo para que um aplicativo web possa obter previsões sem que a empresa precise gerenciar nenhum servidor. Qual solução satisfaz esse requisito?

A implantação do modelo usando o Amazon SageMaker Serverless Inference é a solução mais adequada porque permite que o aplicativo web obtenha previsões sem a necessidade de gerenciar servidores subjacentes. O SageMaker Serverless Inference provisiona e escala automaticamente a capacidade de computação conforme a demanda, cobrando apenas pelas inferências realizadas, o que se alinha perfeitamente com o requisito de não gerenciar servidores. Usar o Amazon CloudFront para implantar o modelo está incorreto porque o CloudFront é um serviço de rede de entrega de conteúdo (CDN) e não é projetado para hospedar ou executar modelos de inferência. Hospedar o modelo e servir previsões através do Amazon API Gateway está incorreto porque, embora o API Gateway possa ser usado para criar APIs para invocar modelos, ele não hospeda nem executa o modelo de inferência em si. Ele precisaria de um serviço de backend (como o SageMaker) para processar as previsões. Executar o modelo no AWS Batch para hospedar e servir previsões está incorreto porque o AWS Batch é otimizado para cargas de trabalho em lote e não para inferência em tempo real de baixa latência exigida por um aplicativo web.