インターネット接続が制限された遠隔地に施設を持つ製造会社が、欠陥検出のためにオンプレミスに大規模なラベル付き画像データセットを保有しています。この会社は、コンピューティングコストを削減し、トレーニングを効率的にスケールさせ、トレーニング済みモデルを低接続性の施設でリアルタイムのコンベアベルト推論のために実行できるソリューションを必要としています。これらの要件を満たすソリューションはどれですか？

このソリューションは、コンピューティングコストの削減、効率的なスケーリング、低接続性環境でのリアルタイム推論というすべての要件を満たします。Amazon S3へのデータ移動とSageMakerでのトレーニング・評価により、クラウドの費用対効果とスケーラビリティを活用できます。SageMaker Neoによるモデル最適化は、エッジデバイスでの効率的な実行に不可欠です。AWS IoT Greengrassとエッジデバイスへのデプロイは、低接続性環境でのリアルタイム推論を可能にし、データが施設外に出る必要がないため、セキュリティとレイテンシの要件も満たします。 誤った選択肢： SageMakerホスティングエンドポイントへのデプロイは、低接続性環境でのリアルタイム推論には適していません。 オンプレミスでのトレーニングは、コンピューティングコストの削減とスケーリングの要件を満たしません。 モデル最適化なしでのデプロイは、エッジデバイスでの効率的な実行を保証しません。