Производственная компания с удаленными объектами и ограниченным доступом в Интернет имеет большой размеченный набор данных изображений локально для обнаружения дефектов. Им нужно решение, которое снижает затраты на вычисления, эффективно масштабирует обучение и позволяет обученной модели работать на объектах с низким уровнем подключения для вывода данных с конвейерной ленты в реальном времени. Какое решение соответствует этим требованиям?

Правильный ответ — это наиболее полное решение, учитывающее все требования. Перемещение данных в S3 позволяет централизованно хранить и управлять данными. SageMaker обеспечивает масштабируемое обучение и оценку модели. SageMaker Neo оптимизирует модель для периферийных устройств, снижая вычислительные затраты и повышая эффективность. AWS IoT Greengrass позволяет развертывать оптимизированную модель на периферийных устройствах с ограниченным подключением, обеспечивая вывод в реальном времени. Остальные варианты не соответствуют всем требованиям: Вариант 1 не учитывает развертывание на периферийных устройствах с низким уровнем подключения. Вариант 2 не использует SageMaker для обучения и не оптимизирует модель для периферийных устройств. Вариант 4 не использует SageMaker для обучения и не оптимизирует модель с помощью SageMaker Neo, что может привести к неэффективному использованию ресурсов на периферийных устройствах.