Une entreprise de services alimentaires souhaite qu'un modèle de ML réduise le gaspillage alimentaire quotidien et augmente les ventes, et elle a besoin d'améliorer continuellement la précision du modèle au fil du temps. Quelle solution répond à ces besoins ?

La bonne réponse est d'utiliser Amazon SageMaker et de réentraîner le modèle de manière itérative avec de nouvelles données. SageMaker est une plateforme complète de ML qui permet de construire, entraîner et déployer des modèles. Le réentraînement itératif avec de nouvelles données permet une amélioration continue de la précision du modèle, ce qui est crucial pour réduire le gaspillage alimentaire et augmenter les ventes à mesure que les tendances évoluent. Amazon Personalize est conçu pour la personnalisation et les recommandations, pas pour la prévision générale du gaspillage alimentaire. Amazon CloudWatch est un service de surveillance et n'est pas destiné à l'entraînement ou à l'optimisation de modèles ML. Amazon Rekognition est un service de vision par ordinateur et n'est pas pertinent pour ce cas d'utilisation.