某零售商使用 Amazon Redshift 进行实时库存管理，并在 SageMaker 实时端点上部署了 ML 模型。该公司需要立即生成库存建议并预测未来的库存需求。以下哪两项可以满足这些需求？（选择两项）

正确答案是使用 Amazon Redshift ML 生成库存建议和使用 SQL 调用远程 SageMaker 端点进行预测。 Amazon Redshift ML 允许您直接在 Redshift 中使用 SQL 创建、训练和部署机器学习模型，非常适合根据现有库存数据生成实时建议。它简化了将 ML 预测集成到数据仓库工作流中的过程。 通过 SQL 调用远程 SageMaker 端点，Redshift 可以直接向已部署的 SageMaker 模型发送数据，并接收预测结果，从而实现实时库存预测。这利用了 SageMaker 强大的 ML 功能和 Redshift 的数据处理能力。 其他选项不正确： 定期数据导出用于离线训练虽然是 ML 工作流的一部分，但不能直接满足“立即生成库存建议并预测未来的库存需求”的实时性要求。 SageMaker Autopilot 用于自动化模型训练和部署，而不是在 Redshift 中创建仪表板。 Amazon Redshift 是一个数据仓库，而不是一个文件存储系统，不适合归档文件。