Una empresa tiene un modelo de ML que predice los precios de venta de bienes raíces y quiere ofrecer predicciones sin administrar servidores ni infraestructura. ¿Qué opción de despliegue cumple con este requisito?

Desplegar el modelo usando un endpoint de Amazon SageMaker es la opción correcta porque SageMaker proporciona una solución completamente administrada para desplegar modelos de ML, eliminando la necesidad de gestionar servidores o infraestructura subyacente. Un endpoint de SageMaker escala automáticamente y maneja la inferencia en tiempo real. Alojar el modelo en una instancia de Amazon EC2 o desplegarlo en un clúster de Amazon EKS requeriría la gestión manual de servidores, parches y escalado. Servir el modelo a través de Amazon CloudFront integrado con Amazon S3 no es viable para la inferencia de modelos de ML, ya que CloudFront es una red de entrega de contenido y S3 es almacenamiento de objetos, ninguno de los cuales ejecuta directamente modelos de ML.