원격 시설과 제한된 인터넷 환경을 가진 제조 회사가 결함 감지를 위해 온프레미스에 대규모 레이블링된 이미지 데이터 세트를 보유하고 있습니다. 이 회사는 컴퓨팅 비용을 절감하고, 훈련을 효율적으로 확장하며, 훈련된 모델이 연결성이 낮은 시설에서 실시간 컨베이어 벨트 추론을 위해 실행될 수 있는 솔루션을 필요로 합니다. 다음 중 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

이 솔루션은 모든 요구 사항을 충족합니다. 훈련 데이터를 S3로 이동하고 SageMaker를 사용하면 컴퓨팅 비용을 절감하고 훈련을 효율적으로 확장할 수 있습니다. SageMaker Neo는 모델을 최적화하여 엣지 디바이스에서 효율적으로 실행되도록 합니다. AWS IoT Greengrass를 통해 최적화된 모델을 연결성이 낮은 시설의 엣지 디바이스에 배포하여 실시간 추론을 가능하게 합니다. 다른 옵션들은 다음과 같은 이유로 적합하지 않습니다. SageMaker 호스팅 엔드포인트에 배포하는 것은 연결성이 낮은 환경에서 실시간 추론 요구 사항을 충족하지 못합니다. 온프레미스 훈련은 컴퓨팅 비용 절감 및 확장성 요구 사항을 충족하지 못합니다. 온프레미스 훈련 후 Greengrass 배포는 컴퓨팅 비용 절감 및 확장성 문제를 해결하지 못하며, Neo를 통한 모델 최적화가 누락되어 엣지 디바이스에서의 효율성이 떨어질 수 있습니다.