Een voedingsbedrijf wil een ML-model om de dagelijkse voedselverspilling te verminderen en de verkoop te stimuleren, en het moet de nauwkeurigheid van het model in de loop van de tijd voortdurend verbeteren. Welke oplossing voldoet aan deze behoeften?

De juiste oplossing is het gebruik van Amazon SageMaker en het iteratief hertrainen van het model met nieuwe gegevens. SageMaker biedt een uitgebreid platform voor het bouwen, trainen en implementeren van machine learning-modellen. Het verminderen van voedselverspilling en het stimuleren van de verkoop vereist een voorspellend model dat kan leren van veranderende patronen, zoals seizoensinvloeden of promoties. Door het model continu te hertrainen met de meest recente gegevens, kan de nauwkeurigheid in de loop van de tijd verbeteren, wat essentieel is voor de gestelde doelen. Amazon Personalize is gericht op personalisatie en aanbevelingen, niet op algemene voorspellingen van voedselverspilling. Amazon CloudWatch is een monitoringdienst en geen ML-platform voor modelontwikkeling. Amazon Rekognition is een dienst voor beeld- en videoanalyse en is niet geschikt voor dit type voorspellende taak.