Inżynier ML musi użyć AWS CloudFormation do utworzenia modelu ML, który będzie hostowany przez punkt końcowy Amazon SageMaker. Który zasób CloudFormation powinien zadeklarować inżynier, aby reprezentował ten model?

Aby utworzyć model ML hostowany przez punkt końcowy Amazon SageMaker, inżynier ML powinien zadeklarować zasób AWS::SageMaker::Model w AWS CloudFormation. Ten zasób reprezentuje model uczenia maszynowego w SageMaker, określając m.in. obraz kontenera i artefakty modelu. AWS::SageMaker::Endpoint służy do wdrożenia modelu i udostępnienia go do wnioskowania, ale najpierw potrzebny jest zdefiniowany model. AWS::SageMaker::NotebookInstance to środowisko do tworzenia i trenowania modeli, a nie sam model. AWS::SageMaker::Pipeline służy do orkiestracji kompletnych przepływów pracy ML, co jest szerszym zakresem niż samo zdefiniowanie modelu.