Un'azienda di e-commerce desidera creare e addestrare modelli di machine learning (ML) per visualizzare scenari complessi e rilevare tendenze nei dati dei clienti. Il team di architettura deve integrare i modelli ML con una piattaforma di reporting in modo che i dati aumentati possano essere analizzati e utilizzati direttamente nelle dashboard di business intelligence. Quale soluzione soddisfa questi requisiti con il MINOR overhead operativo?

La risposta corretta è "Utilizzare Amazon SageMaker per costruire e addestrare modelli. Utilizzare Amazon QuickSight per visualizzare i dati." Amazon SageMaker è un servizio completamente gestito per la creazione, l'addestramento e la distribuzione di modelli di machine learning, riducendo al minimo l'overhead operativo. Amazon QuickSight è un servizio di business intelligence serverless che si integra facilmente con SageMaker e altre fonti di dati AWS per creare dashboard interattive. Le altre opzioni sono meno efficienti o adatte: AWS Glue non è progettato specificamente per la creazione e l'addestramento di modelli ML complessi; è più orientato all'ETL. L'utilizzo di AMI ML da AWS Marketplace richiede la gestione di istanze EC2, aumentando l'overhead operativo rispetto a SageMaker. QuickSight non è uno strumento per costruire e addestrare modelli ML complessi; i campi calcolati sono per trasformazioni di dati semplici, non per ML avanzato.