Une entreprise doit exécuter des inférences sur des ensembles de données archivés de plusieurs gigaoctets. Les résultats n'ont pas besoin d'être disponibles immédiatement. Quelle option d'inférence Amazon SageMaker correspond à ce scénario ?

La transformation par lots (Batch Transform) est la solution idéale pour ce scénario car elle est conçue pour traiter de grands volumes de données (plusieurs gigaoctets) de manière asynchrone. Les résultats n'étant pas requis immédiatement, le traitement par lots permet d'optimiser les coûts et les ressources en exécutant les inférences en arrière-plan. L'inférence en temps réel (Real-time Inference) est inappropriée car elle est destinée aux requêtes à faible latence et aux petits volumes de données, ce qui n'est pas le cas ici. L'inférence sans serveur (Serverless Inference) est également conçue pour des charges de travail intermittentes et des requêtes à faible latence, mais elle n'est pas optimisée pour des jeux de données de plusieurs gigaoctets. L'inférence asynchrone (Asynchronous Inference) est une option pour les requêtes qui ne nécessitent pas de réponse immédiate, mais la transformation par lots est spécifiquement conçue pour le traitement de grands ensembles de données hors ligne, ce qui la rend plus adaptée et potentiellement plus rentable pour cette échelle.