한 전자상거래 회사가 복잡한 시나리오를 시각화하고 고객 데이터의 추세를 감지하기 위해 ML(기계 학습) 모델을 구축하고 훈련하려고 합니다. 아키텍처 팀은 증강된 데이터를 분석하고 비즈니스 인텔리전스 대시보드에서 직접 사용할 수 있도록 ML 모델을 보고 플랫폼과 통합해야 합니다. 운영 오버헤드가 가장 적으면서 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

정답은 Amazon SageMaker를 사용하여 모델을 구축하고 훈련하고, Amazon QuickSight를 사용하여 데이터를 시각화하는 것입니다. SageMaker는 ML 모델 구축, 훈련 및 배포를 위한 완전 관리형 서비스로, 복잡한 시나리오 시각화 및 추세 감지 요구 사항에 가장 적합합니다. QuickSight는 비즈니스 인텔리전스 대시보드를 통해 ML 모델의 결과를 직접 분석하고 시각화할 수 있도록 통합을 제공하며, 운영 오버헤드가 가장 적습니다. AWS Glue는 데이터 통합 서비스이지만 ML 모델 구축 및 훈련을 위한 주요 도구는 아닙니다. AWS Marketplace AMI는 사전 구축된 모델을 제공하지만, 특정 고객 데이터에 대한 모델을 "구축하고 훈련"하는 유연성이 부족합니다. QuickSight의 계산된 필드는 간단한 데이터 변환에 적합하지만, 복잡한 ML 모델을 구축하고 훈련하는 데 필요한 기능은 제공하지 않습니다.