Un rivenditore utilizza Amazon Redshift per la gestione dell'inventario in tempo reale e ha un modello ML distribuito su un endpoint in tempo reale di SageMaker. L'azienda deve produrre raccomandazioni immediate sull'inventario e prevedere la domanda futura di inventario. Quali delle seguenti opzioni soddisferanno queste esigenze? (Scegliere due.)

Le opzioni corrette sono "Utilizzare Amazon Redshift ML per generare raccomandazioni sull'inventario" e "Utilizzare SQL per richiamare un endpoint SageMaker remoto per la previsione". Amazon Redshift ML consente agli utenti di creare, addestrare e distribuire modelli di machine learning direttamente in Redshift utilizzando SQL, rendendolo ideale per generare raccomandazioni sull'inventario in tempo reale basate sui dati presenti nel data warehouse. Inoltre, Redshift supporta l'integrazione con SageMaker, permettendo di richiamare endpoint SageMaker esistenti (come quello per la previsione della domanda) direttamente tramite funzioni SQL, fornendo così previsioni immediate. L'opzione "Utilizzare Amazon Redshift ML per pianificare esportazioni regolari di dati per l'addestramento offline del modello" è meno efficiente per esigenze in tempo reale, poiché implica un processo batch. "Utilizzare SageMaker Autopilot per creare dashboard di gestione dell'inventario in Amazon Redshift" è errato perché SageMaker Autopilot è per la creazione di modelli ML, non per la creazione di dashboard in Redshift. "Utilizzare Amazon Redshift come sistema di archiviazione file per archiviare i vecchi report di gestione dell'inventario" non risponde ai requisiti di raccomandazioni e previsioni.