Bir şirketin, emlak satış fiyatlarını tahmin eden bir ML modeli var ve sunucuları veya altyapıyı yönetmeden tahminleri sunmak istiyor. Bu gereksinimi hangi dağıtım seçeneği karşılar?

Doğru cevap, modeli bir Amazon SageMaker endpoint kullanarak dağıtmaktır. SageMaker endpoint'leri, makine öğrenimi modellerini sunucu veya altyapı yönetimi gerektirmeden (serverless) kolayca dağıtmak ve tahminler sunmak için tasarlanmıştır. Bu, şirketin ana gereksinimini doğrudan karşılar. Diğer seçenekler neden yanlış: Modeli bir Amazon EC2 örneğinde barındırmak: EC2, sanal sunucular sağlar ancak altyapı yönetimi (işletim sistemi, bağımlılıklar, ölçeklendirme vb.) gerektirir. Bu, şirketin "sunucuları veya altyapıyı yönetmeden" gereksinimine aykırıdır. Modeli bir Amazon Elastic Kubernetes Service (EKS) kümesine dağıtmak: EKS, konteynerli uygulamaları yönetmek için güçlü bir platformdur ancak yine de Kubernetes kümesinin yönetimi ve bakımı gibi önemli bir altyapı yönetim yükü getirir. Modeli, Amazon S3 ile entegre Amazon CloudFront aracılığıyla sunmak: S3, statik dosyaları depolamak için kullanılırken, CloudFront bir içerik dağıtım ağıdır. Bu kombinasyon, statik web siteleri veya dosyalar için uygundur ancak dinamik ML modeli çıkarımları sunmak için tasarlanmamıştır.