Un'azienda manifatturiera esegue un modello SageMaker scikit-learn che etichetta ogni dispositivo come normale o anomalo in base a 4 giorni di telemetria. La telemetria di 4 giorni di ciascun dispositivo viene scritta come file separato su S3 ogni ora. L'esecuzione del modello su tutti i dispositivi richiede 5 minuti. Qual è il modo più conveniente per eseguire il modello sulla telemetria di tutti i dispositivi?

SageMaker Batch Transform è la soluzione più conveniente perché è progettato per inferenze su grandi set di dati in modo asincrono, senza la necessità di un endpoint persistente. Questo riduce i costi poiché le risorse vengono allocate solo durante l'esecuzione del job. SageMaker Asynchronous Inference è per inferenze su larga scala con tempi di risposta non critici, ma mantiene un endpoint persistente, risultando più costoso. SageMaker Processing è per l'elaborazione di dati o l'addestramento di modelli, non per l'inferenza. Un endpoint multi-container SageMaker è per l'inferenza in tempo reale o con bassa latenza, mantenendo risorse costantemente attive, il che è eccessivo e costoso per un'esecuzione oraria di 5 minuti.