Bir perakendeci, gerçek zamanlı envanter yönetimi için Amazon Redshift kullanıyor ve bir SageMaker gerçek zamanlı endpoint'inde dağıtılmış bir ML modeline sahip. Şirketin anında envanter önerileri üretmesi ve ayrıca gelecekteki envanter talebini tahmin etmesi gerekiyor. Aşağıdakilerden hangisi bu ihtiyaçları karşılar? (İki tane seçin.)

Amazon Redshift ML, Redshift'teki verileri kullanarak makine öğrenimi modelleri oluşturmayı, eğitmeyi ve dağıtmayı sağlar. Bu, envanter önerileri gibi görevler için doğrudan Redshift içinde ML yetenekleri sunar. Gelecekteki envanter talebini tahmin etmek için ise, Redshift'ten SQL kullanarak dağıtılmış bir SageMaker gerçek zamanlı endpoint'ini çağırmak, anında tahminler elde etmek için etkili bir yöntemdir. Diğer seçenekler neden doğru değil: Çevrimdışı model eğitimi için düzenli veri dışa aktarımları planlamak üzere Amazon Redshift ML kullanmak, Redshift ML'in temel yeteneği değildir; Redshift ML doğrudan Redshift içinde model oluşturmayı ve eğitmeyi hedefler. Amazon Redshift'te envanter yönetimi panoları oluşturmak için SageMaker Autopilot kullanmak, Autopilot'ın birincil kullanım amacı değildir; Autopilot daha çok model oluşturma ve optimizasyonuna odaklanır. Panolar için genellikle BI araçları kullanılır. Eski envanter yönetimi raporlarını arşivlemek için Amazon Redshift'i bir dosya depolama sistemi olarak kullanmak, Redshift'in birincil amacı değildir; Redshift analitik bir veri ambarıdır, dosya depolama için S3 gibi hizmetler daha uygundur.