在开发过程中，数据科学家在工作时间使用云笔记本运行轻量级特征工程任务。数据工程师每天大约使用同一个笔记本一次，运行内存密集型预处理（大约2小时）；预处理不使用GPU。目前，两者都在通用型ml.m5.4xlarge笔记本实例上运行。AWS月度预算已超出。哪项更改能带来最大的成本节约？

正确答案通过以下方式实现最大成本节约：首先，将数据科学家使用的笔记本实例更改为较小的通用实例（例如ml.m5.xlarge），因为他们的特征工程任务是轻量级的，并且在空闲时停止实例可以避免不必要的计算费用。其次，将内存密集型的数据预处理任务作为托管处理作业在内存优化的r5实例上运行。托管处理作业是按需付费的，只在任务运行时产生费用，并且r5实例专为内存密集型工作负载设计，提供了比通用实例更优的性价比。 其他选项的不足之处在于： 选项1：将笔记本切换到内存优化实例并在其上运行所有任务，成本可能高于将轻量级任务和内存密集型任务分离。 选项2：在GPU加速实例类型上执行数据预处理是不必要的，因为题目明确说明预处理不使用GPU，这将导致不必要的成本增加。 选项4：使用预留实例运行数据预处理可能不划算，因为预处理任务每天只运行一次，持续约2小时，预留实例适用于长期、稳定的工作负载。