Firma musi uruchamiać wnioskowanie na zarchiwizowanych zbiorach danych o rozmiarze wielu gigabajtów. Wyniki nie muszą być dostępne natychmiast. Która opcja wnioskowania Amazon SageMaker pasuje do tego scenariusza?

Batch transform jest idealny do przetwarzania dużych zbiorów danych (wielu gigabajtów lub terabajtów), gdzie wyniki nie muszą być dostępne natychmiast. Jest to ekonomiczne rozwiązanie, ponieważ zasoby są alokowane tylko na czas przetwarzania. Real-time inference (wnioskowanie w czasie rzeczywistym) jest przeznaczone do pojedynczych żądań o niskim opóźnieniu, gdzie wyniki są potrzebne natychmiast. Nie jest to optymalne dla dużych, archiwalnych zbiorów danych. Serverless inference (wnioskowanie bezserwerowe) również jest przeznaczone do wnioskowania w czasie rzeczywistym lub na żądanie, z automatycznym skalowaniem, ale nie jest to najbardziej efektywne kosztowo rozwiązanie dla przetwarzania dużych, jednorazowych partii danych. Asynchronous inference (wnioskowanie asynchroniczne) jest przeznaczone do wnioskowania na dużych ładunkach (payloads) z opóźnieniem rzędu sekund lub minut, ale nadal jest zorientowane na pojedyncze żądania, a nie na przetwarzanie całych, zarchiwizowanych zbiorów danych w trybie wsadowym.