Uma empresa tem um modelo de ML que prevê preços de venda de imóveis e quer fornecer previsões sem gerenciar servidores ou infraestrutura. Qual opção de implantação atende a esse requisito?

A implantação do modelo usando um endpoint do Amazon SageMaker é a opção mais adequada porque o SageMaker é um serviço totalmente gerenciado que abstrai a complexidade de gerenciar servidores e infraestrutura para hospedar modelos de ML. Ele fornece endpoints escaláveis e de alta disponibilidade para inferência em tempo real. Hospedar o modelo em uma instância do Amazon EC2 exigiria que a empresa gerenciasse o servidor, o sistema operacional e as dependências do modelo. Implantar o modelo em um cluster do Amazon EKS também demandaria o gerenciamento do cluster Kubernetes e da infraestrutura subjacente. Fornecer o modelo por meio do Amazon CloudFront integrado ao Amazon S3 não é uma solução de implantação de modelo, pois o CloudFront e o S3 são serviços de entrega de conteúdo e armazenamento de objetos, respectivamente, e não executam inferência de ML.