Een ML-engineer moet AWS CloudFormation gebruiken om het ML-model te creëren dat een Amazon SageMaker-endpoint zal hosten. Welke CloudFormation-resource moet de engineer declareren om dat model te representeren?

De AWS::SageMaker::Model resource wordt gebruikt om een SageMaker-model te declareren. Dit model definieert de containerimage en de modelartefacten die nodig zijn om inferentie uit te voeren. Het is de logische representatie van het getrainde model binnen SageMaker. AWS::SageMaker::Endpoint is incorrect omdat dit de resource is die het model host en beschikbaar maakt voor inferentie, niet het model zelf. Een endpoint heeft een model nodig om te kunnen functioneren. AWS::SageMaker::NotebookInstance is incorrect omdat dit een Jupyter Notebook-omgeving is voor ontwikkeling en experimenten, niet voor het hosten van een getraind model. AWS::SageMaker::Pipeline is incorrect omdat dit wordt gebruikt om end-to-end ML-workflows te automatiseren, inclusief training en deployment, maar het representeert niet het individuele ML-model.