一位机器学习工程师必须使用 AWS CloudFormation 来创建 Amazon SageMaker 端点将托管的机器学习模型。工程师应该声明哪个 CloudFormation 资源来表示该模型？

AWS::SageMaker::Model 资源用于在 Amazon SageMaker 中定义和注册一个机器学习模型。它包含模型的元数据，例如模型的数据源（例如 S3 路径）和推理容器的配置。在部署 SageMaker 端点之前，必须先定义模型。 AWS::SageMaker::Endpoint 资源用于创建和管理 SageMaker 端点本身，它是一个可用于实时推理的 HTTPS 接口，但它依赖于已定义的模型和端点配置。 AWS::SageMaker::NotebookInstance 资源用于创建 SageMaker 笔记本实例，这是一个用于开发和训练模型的 Jupyter 笔记本环境，与模型部署无关。 AWS::SageMaker::Pipeline 资源用于创建 SageMaker 机器学习管道，用于自动化机器学习工作流，但它不直接表示单个机器学习模型。