ある企業が、持続可能性を向上させるために、トレーニングジョブが使用するエネルギー消費量とコンピューティングリソースを削減したいと考えています。トレーニングに関連するエネルギー使用量とコンピューティングコストを削減するアクションはどれですか？（2つ選択してください。）

Amazon SageMaker Debuggerは、トレーニングジョブの非収束や勾配消失などの問題をリアルタイムで検出し、早期にジョブを終了させることで、無駄な計算リソースとエネルギー消費を削減します。AWS Trainiumインスタンスは、機械学習トレーニングに特化して設計されており、GPUと比較して高いパフォーマンスと電力効率を提供するため、トレーニングコストとエネルギー使用量を削減できます。 データラベリングにAmazon SageMaker Ground Truthを使用することは、データ準備の効率化には役立ちますが、トレーニングジョブのエネルギー消費やコンピューティングリソースの直接的な削減には繋がりません。AWS Lambda関数でモデルをデプロイすることは、推論フェーズのコスト効率には貢献しますが、トレーニングフェーズの削減には直接関係ありません。分散トレーニングは大規模モデルのトレーニング時間を短縮できますが、必ずしも総エネルギー消費量を削減するとは限りません。