Un détaillant utilise Amazon Redshift pour la gestion des stocks en temps réel et a déployé un modèle ML sur un endpoint SageMaker en temps réel. L'entreprise doit produire des recommandations d'inventaire immédiates et prévoir la demande future en stock. Lequel des éléments suivants répondra à ces besoins ? (Choisissez-en deux.)

Amazon Redshift ML permet aux utilisateurs de Redshift de créer, d'entraîner et de déployer des modèles de Machine Learning directement depuis Redshift en utilisant SQL, ce qui est idéal pour générer des recommandations d'inventaire en temps quasi réel sans déplacer les données. L'invocation d'un endpoint SageMaker distant via SQL depuis Redshift est également une solution efficace pour la prédiction de la demande future, car elle permet d'utiliser des modèles ML plus complexes déployés sur SageMaker avec les données de Redshift. Les autres options sont incorrectes car Redshift ML ne planifie pas d'exportations pour l'entraînement hors ligne (il intègre le ML), SageMaker Autopilot est pour la création de modèles et non de tableaux de bord, et Redshift n'est pas un système de stockage de fichiers pour l'archivage.