Een ML-specialist traint een DeepAR forecasting model op CPU-gebaseerde EC2 On-Demand instances en de training duurt vele uren. Welke twee acties zullen de totale trainingstijd verkorten? (Kies twee.)

Het vervangen van CPU-gebaseerde instances door GPU-gebaseerde instances versnelt de training aanzienlijk, omdat DeepAR-modellen, net als veel deep learning-modellen, profiteren van de parallelle verwerkingskracht van GPU's. Het trainen met meerdere instances parallel (gedistribueerde training) verkort ook de totale trainingstijd door de werklast te verdelen over meerdere machines. Het overschakelen naar Spot Instances vermindert kosten, maar heeft geen invloed op de trainingstijd. Automatische model autoscaling is voor inference, niet voor training. Incrementele training met een vooraf getraind model is nuttig als er al een relevant model bestaat, maar is geen algemene oplossing voor het verkorten van de trainingstijd van een nieuw model.