Specjalista ds. danych musi spakować kod do kontenera, który generuje zarówno nową prognozę modelu scikit-learn, jak i prognozę bazową, i chce, aby AWS zajmował się konserwacją operacyjną kontenera. Które podejście do pakowania spełnia ten wymóg?

Rozszerzenie kontenera Amazon SageMaker scikit-learn o kod i użycie tego kontenera jest najlepszym podejściem, ponieważ pozwala na wykorzystanie wstępnie zbudowanego i zoptymalizowanego kontenera SageMaker dla scikit-learn, jednocześnie dodając niestandardową logikę do generowania prognoz modelu i prognoz bazowych. SageMaker automatycznie zarządza operacyjną konserwacją tego kontenera. Dostarczenie kodu jako skryptu szkoleniowego w kontenerze Amazon SageMaker scikit-learn jest przeznaczone głównie do szkolenia, a nie do serwowania prognoz. Zbudowanie niestandardowego obrazu kontenera i wypchnięcie go do Amazon ECR wymaga większego nakładu pracy na utrzymanie i optymalizację, niż jest to konieczne. Zbudowanie niestandardowego obrazu kontenera i wdrożenie go w AWS Fargate również wymaga większego zarządzania infrastrukturą niż podejście oparte na SageMaker, które automatyzuje te zadania.