Firma e-commerce chce tworzyć i trenować modele uczenia maszynowego (ML) do wizualizacji złożonych scenariuszy i wykrywania trendów w danych klientów. Zespół architektów musi zintegrować modele ML z platformą raportowania, aby rozszerzone dane mogły być analizowane i wykorzystywane bezpośrednio w pulpitach nawigacyjnych business intelligence. Które rozwiązanie spełnia te wymagania przy NAJMNIEJSZYM narzucie operacyjnym?

Amazon SageMaker to w pełni zarządzana usługa do budowania, trenowania i wdrażania modeli uczenia maszynowego, co minimalizuje narzut operacyjny. Umożliwia wizualizację złożonych scenariuszy i wykrywanie trendów. Amazon QuickSight to usługa business intelligence, która pozwala na łatwą integrację z SageMaker i wizualizację danych w interaktywnych pulpitach nawigacyjnych. Opcja z AWS Glue jest mniej odpowiednia, ponieważ Glue jest usługą ETL, a nie dedykowaną platformą ML do budowania i trenowania modeli. Gotowy obraz ML z AWS Marketplace może wymagać większego zarządzania infrastrukturą. Użycie QuickSight do budowania i trenowania modeli za pomocą pól obliczeniowych jest niewystarczające dla złożonych modeli ML.