Un proveedor entrega datos de entrenamiento limpios y listos para usar al bucket de Amazon S3 de la empresa cada 3 o 4 días. La empresa tiene un pipeline de SageMaker para reentrenar el modelo. El ingeniero de ML necesita que el pipeline se ejecute automáticamente cuando lleguen nuevos datos a S3 con la menor sobrecarga operativa. ¿Qué solución debería implementar?

La opción correcta es crear una regla de Amazon EventBridge porque EventBridge permite configurar fácilmente una regla que detecte eventos de creación de objetos en un bucket de S3. Al detectar un nuevo objeto, EventBridge puede invocar directamente un pipeline de SageMaker como objetivo, automatizando el reentrenamiento con una sobrecarga operativa mínima. La regla de S3 Lifecycle no es adecuada porque se utiliza para gestionar el ciclo de vida de los objetos (por ejemplo, archivar o eliminar), no para activar flujos de trabajo de entrenamiento. Una AWS Lambda que escanee el bucket de S3 es posible, pero EventBridge es una solución más nativa, sin servidor y de menor sobrecarga operativa para reaccionar a eventos de S3. Amazon MWAA (Managed Workflows for Apache Airflow) es una herramienta de orquestación potente, pero es una solución más compleja y con mayor sobrecarga operativa de lo necesario para este caso de uso específico de activación basada en eventos de S3.