Ein ML-Ingenieur benötigt benutzerdefinierte Python-Bibliotheken, die in SageMaker-Verarbeitungsaufträgen, Trainingsaufträgen und Pipelines verfügbar sind. Welche Option bietet diese Funktion mit dem geringsten Implementierungsaufwand?
Wählen Sie eine Antwort
Tippen Sie auf eine Option, um Ihre Antwort zu überprüfen.
Richtige Antwort: Erstellen Sie ein benutzerdefiniertes Docker-Image, das die erforderlichen Bibliotheken enthält, übertragen Sie es an Amazon ECR und verwenden Sie dieses ECR-Image für SageMaker-Aufträge und -Pipelines..
Warum dies die Antwort ist
Die Erstellung eines benutzerdefinierten Docker-Images mit den erforderlichen Bibliotheken und das Hochladen in Amazon ECR ist die effizienteste Methode. SageMaker kann dieses ECR-Image direkt für Verarbeitungs-, Trainingsaufträge und Pipelines verwenden, was eine konsistente Umgebung mit minimalem Implementierungsaufwand gewährleistet. Manuelles Installieren in Standard-Containern ist umständlich und nicht persistent. Eine SageMaker-Notebook-Instanz mit Lambda ist für die Ausführung von Aufträgen nicht skalierbar und komplex für diesen Anwendungsfall. Das externe Ausführen auf EC2-Instanzen und das Speichern in S3 ist ineffizient, da es die Vorteile der integrierten SageMaker-Umgebung nicht nutzt und den Datenfluss kompliziert macht.
Bestehen Sie Ihre Prüfung – ohne endlose Antwortsuche
Erhalten Sie jede verifizierte Frage und Erklärung für diese Prüfung an einem Ort und sparen Sie Stunden der Vorbereitung. Über 1.000 Zertifizierungen · Über 20 Sprachen · Kostenloser Start.
Bestehen Sie Ihre Prüfung schneller → Keine Karte erforderlich