Una empresa de comercio electrónico quiere construir y entrenar modelos de machine learning (ML) para visualizar escenarios complejos y detectar tendencias en los datos de los clientes. El equipo de arquitectura debe integrar los modelos de ML con una plataforma de informes para que los datos aumentados puedan analizarse y utilizarse directamente en los paneles de inteligencia empresarial. ¿Qué solución cumple estos requisitos con la MENOR sobrecarga operativa?

La opción correcta es la que utiliza Amazon SageMaker para construir y entrenar modelos y Amazon QuickSight para visualizar los datos. SageMaker es un servicio de ML completamente administrado que simplifica el desarrollo y entrenamiento de modelos, reduciendo la sobrecarga operativa. QuickSight es un servicio de BI sin servidor que permite crear paneles interactivos fácilmente, integrándose bien con los resultados de SageMaker. Las otras opciones son menos óptimas: AWS Glue con OpenSearch Service: AWS Glue es más para ETL, no para ML avanzado, y OpenSearch es para búsqueda y análisis de logs, no para BI general. AMI de ML de AWS Marketplace con OpenSearch Service: Usar una AMI implica gestionar instancias EC2, aumentando la sobrecarga operativa, y OpenSearch sigue siendo una herramienta de visualización limitada para BI. Amazon QuickSight para construir y entrenar modelos: QuickSight no está diseñado para construir y entrenar modelos de ML complejos; sus campos calculados son para transformaciones de datos básicas, no para ML avanzado.