Dostawca dostarcza oczyszczone, gotowe do użycia dane treningowe do bucketa Amazon S3 firmy co 3–4 dni. Firma posiada potok SageMaker do ponownego trenowania modelu. Inżynier ML potrzebuje, aby potok uruchamiał się automatycznie po pojawieniu się nowych danych w S3, przy jak najmniejszym nakładzie operacyjnym. Które rozwiązanie powinien wdrożyć?

Poprawna odpowiedź to utworzenie reguły Amazon EventBridge, która reaguje na zdarzenia S3 object-created i uruchamia potok SageMaker. EventBridge jest natywną usługą AWS do bezserwerowego routingu zdarzeń, co pozwala na automatyczne uruchamianie potoków SageMaker w odpowiedzi na nowe obiekty w S3, minimalizując nakład operacyjny. Nieprawidłowe opcje: Reguła S3 Lifecycle służy do zarządzania cyklem życia obiektów w S3 (np. przenoszenia do innych klas pamięci masowej lub usuwania), a nie do uruchamiania potoków treningowych. Wdrożenie AWS Lambda, która skanuje bucket S3, jest mniej efektywne i bardziej kosztowne niż EventBridge. Lambda powinna być wyzwalana przez zdarzenia, a nie aktywnie skanować. Amazon MWAA (Managed Workflows for Apache Airflow) to usługa do orkiestracji złożonych przepływów pracy, ale jest to rozwiązanie bardziej rozbudowane i wymagające większego zarządzania niż proste wyzwolenie potoku SageMaker na podstawie zdarzenia S3.