Un'azienda deve prevedere il fabbisogno mensile di risorse per i processi di produzione utilizzando i dati storici archiviati in un bucket Amazon S3. L'azienda non ha esperienza di ML e desidera un servizio gestito per l'addestramento e le previsioni. Quale combinazione di passaggi soddisferà questi requisiti? (Scegline due.)

Le opzioni corrette sono "Utilizzare Amazon SageMaker per addestrare un modello usando i dati storici nel bucket S3" e "Implementare un modello Amazon SageMaker. Creare un endpoint SageMaker per l'inferenza." Amazon SageMaker è un servizio di machine learning completamente gestito che consente di preparare, addestrare e distribuire modelli ML. L'addestramento del modello con i dati storici in S3 e la successiva creazione di un endpoint per l'inferenza soddisfano i requisiti di un servizio gestito per l'addestramento e le previsioni, anche senza esperienza di ML. Le opzioni che menzionano Amazon Forecast sono errate perché, sebbene Forecast sia un servizio gestito per le previsioni, l'azienda ha specificato la necessità di prevedere il fabbisogno di risorse, il che rientra nelle capacità più ampie di SageMaker per la costruzione di modelli personalizzati. L'uso di AWS Lambda con un URL di funzione è un metodo per richiamare un endpoint, ma non è uno dei passaggi principali per l'addestramento e la previsione del modello in sé.