제조업체는 각 조립 라인 끝에 IP 카메라를 설치하고 정지 이미지에서 결함을 감지하도록 SageMaker로 훈련된 모델을 가지고 있습니다. 공장은 인터넷 연결이 끊어져도 결함이 감지되면 작업자에게 로컬 피드백을 제공해야 합니다. 로컬 Linux 서버는 피드백을 제공하는 API를 호스팅합니다. 오프라인 상태에서도 감지 및 로컬 피드백이 작동하도록 회사는 ML 모델을 어떻게 배포해야 할까요?

정답은 AWS IoT Greengrass를 사용하여 ML 모델을 로컬에 배포하는 것입니다. Greengrass는 엣지 디바이스에서 AWS 서비스 기능을 로컬로 실행할 수 있게 하여, 인터넷 연결이 끊어져도 추론을 수행하고 로컬 API를 호출하여 피드백을 제공할 수 있습니다. 오답 설명: Kinesis Video Streams, EC2, S3, SageMaker 엔드포인트 및 Lambda를 사용하는 첫 번째 옵션은 인터넷 연결에 의존하므로 오프라인 시나리오에 적합하지 않습니다. Snowball 장치는 대량 데이터 전송에 주로 사용되며, 지속적인 로컬 추론 및 실시간 피드백을 위한 솔루션이 아닙니다. Amazon Monitron은 산업 장비의 이상 징후를 감지하는 데 특화된 솔루션으로, IP 카메라 이미지 분석 및 사용자 정의 ML 모델 배포에는 적합하지 않습니다.