한 전자상거래 팀이 여러 훈련 반복(iteration)을 거쳐 10,000개의 클래스를 가진 대규모 이미지 분류 모델을 훈련합니다. 이들은 작업 손실 및 재훈련을 방지하면서 운영 오버헤드와 비용을 최소화해야 합니다. 다음 접근 방식 중 이러한 요구 사항을 가장 잘 충족하는 것은 무엇입니까?

SageMaker 관리형 스팟 훈련은 비용을 절감하면서 대규모 모델 훈련에 필요한 내결함성을 제공합니다. 스팟 인스턴스가 중단되더라도 체크포인팅을 통해 훈련 상태를 S3에 저장하고, 새 스팟 인스턴스에서 중단된 지점부터 훈련을 재개하여 작업 손실을 방지합니다. AWS Batch는 스팟 인스턴스를 사용할 수 있지만, SageMaker는 훈련 워크로드에 특화된 관리형 서비스로 오버헤드가 적습니다. EC2 Spot Instances에서 직접 훈련하고 중단 알림을 사용하는 것은 수동 설정이 필요하여 운영 오버헤드가 높습니다. AWS Lambda는 짧은 시간 실행되는 서버리스 함수에 적합하며, 대규모 이미지 분류 모델 훈련에는 적합하지 않습니다.