Bir ML modeli, hangi ürünün gösterileceğini belirlemek için bir çevrimiçi uygulamadaki müşterileri puanlayacaktır. Mühendisin yanıt gecikmesini en aza indirmesi gerekiyor. Düşük gecikme gereksinimlerini karşılamak için model SageMaker'da nasıl dağıtılmalıdır?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Bir real-time inference endpoint'i yapılandırın..
Neden bu cevap
Düşük gecikme gereksinimleri için en uygun çözüm real-time inference endpoint'idir. Bu endpoint'ler, gelen istekleri anında işleyerek milisaniyeler içinde tahminler döndürmek üzere tasarlanmıştır, bu da çevrimiçi uygulamalarda kullanıcı deneyimi için kritiktir. Batch transform, büyük veri kümeleri üzerinde periyodik tahminler yapmak için kullanılır ve düşük gecikme sağlamaz. Serverless inference endpoint'leri, değişken iş yükleri için maliyet etkin olabilir ancak soğuk başlatma (cold start) süreleri nedeniyle en düşük gecikme garantisi vermeyebilir. Asynchronous inference endpoint'leri ise uzun süreli veya büyük boyutlu çıkarım işlemleri için tasarlanmıştır ve tahminleri anında döndürmez.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez