Uma equipe de e-commerce treina um grande modelo de classificação de imagens com 10.000 classes em várias iterações de treinamento. Eles precisam minimizar a sobrecarga operacional e o custo, evitando a perda de trabalho e o retreinamento. Qual abordagem melhor satisfaz essas necessidades?

A opção correta é usar o treinamento spot gerenciado do SageMaker com checkpointing. O treinamento spot gerenciado do SageMaker otimiza custos ao usar instâncias spot e gerencia automaticamente as interrupções, retomando o treinamento a partir do último checkpoint. Isso minimiza a sobrecarga operacional e evita a perda de trabalho. Executar trabalhos do AWS Batch com instâncias spot do EC2 exige mais configuração e gerenciamento manual de interrupções. Treinar em instâncias spot do EC2 com aviso de interrupção ainda requer lógica personalizada para salvar o modelo, aumentando a complexidade. O AWS Lambda não é adequado para treinamento de modelos grandes devido às suas limitações de tempo de execução e recursos.