Firma posiada model ML, który przewiduje ceny sprzedaży nieruchomości i chce udostępniać prognozy bez zarządzania serwerami lub infrastrukturą. Która opcja wdrożenia spełnia ten wymóg?

Wdrożenie modelu przy użyciu punktu końcowego Amazon SageMaker jest prawidłową odpowiedzią, ponieważ SageMaker oferuje w pełni zarządzane środowisko do wdrażania modeli ML, eliminując potrzebę zarządzania serwerami lub infrastrukturą. Umożliwia to łatwe udostępnianie prognoz poprzez wywołania API. Hostowanie modelu na instancji Amazon EC2 wymaga ręcznego zarządzania serwerami i skalowaniem. Wdrożenie do klastra Amazon EKS również wiąże się z zarządzaniem infrastrukturą Kubernetes. Udostępnianie modelu za pośrednictwem Amazon CloudFront zintegrowanego z Amazon S3 jest przeznaczone do dostarczania treści statycznych, a nie do hostowania i uruchamiania modeli ML w czasie rzeczywistym.