Een retailer gebruikt Amazon Redshift voor real-time voorraadbeheer en heeft een ML-model geïmplementeerd op een SageMaker real-time endpoint. Het bedrijf moet onmiddellijke voorraadaanbevelingen doen en ook de toekomstige vraag naar voorraad voorspellen. Welke van de volgende opties voldoen aan deze behoeften? (Kies er twee.)

Amazon Redshift ML stelt u in staat om machine learning modellen te trainen en te implementeren met SQL, direct binnen Redshift. Dit is ideaal voor het genereren van voorraadaanbevelingen, omdat het de data niet hoeft te verplaatsen en de modellen dicht bij de operationele data houdt. Het aanroepen van een remote SageMaker endpoint via SQL in Redshift maakt het mogelijk om de bestaande, getrainde ML-modellen in SageMaker te gebruiken voor real-time voorspellingen van toekomstige vraag, wat voldoet aan de behoefte aan onmiddellijke en toekomstige voorspellingen. De andere opties zijn incorrect: Redshift ML voor reguliere data-exports is geen directe oplossing voor real-time aanbevelingen of voorspellingen. SageMaker Autopilot is voor automatische modeltraining, niet voor het maken van dashboards in Redshift. Redshift is een datawarehouse, geen bestandsopslagsysteem voor archivering.