Un'azienda di servizi di ristorazione desidera un modello di machine learning per ridurre lo spreco alimentare giornaliero e aumentare le vendite, e ha bisogno di migliorare continuamente l'accuratezza del modello nel tempo. Quale soluzione soddisfa queste esigenze?

La risposta corretta è "Utilizzare Amazon SageMaker e riaddestrare iterativamente il modello con nuovi dati". Amazon SageMaker è una piattaforma completa per la creazione, l'addestramento e la distribuzione di modelli di machine learning. La capacità di riaddestrare iterativamente il modello con nuovi dati è cruciale per migliorare continuamente l'accuratezza nel tempo, adattandosi ai cambiamenti nelle tendenze alimentari e nei modelli di consumo, riducendo così gli sprechi e aumentando le vendite. Le altre opzioni non sono adatte: Amazon Personalize è un servizio di raccomandazione e non è progettato per la previsione degli sprechi alimentari o per l'addestramento iterativo di modelli generici. Amazon CloudWatch è un servizio di monitoraggio e logging, non una piattaforma per lo sviluppo o l'ottimizzazione di modelli ML. Amazon Rekognition è un servizio di analisi delle immagini e dei video, non pertinente per l'ottimizzazione di modelli predittivi sullo spreco alimentare.