Bir üreticinin her montaj hattının sonunda IP kameraları ve hareketsiz görüntülerden kusurları tespit etmek için SageMaker ile eğitilmiş bir modeli bulunmaktadır. İnternet bağlantısı kesilse bile, bir kusur tespit edildiğinde fabrika çalışanlara yerel geri bildirim sağlamalıdır. Yerel bir Linux sunucusu, geri bildirim sağlayan bir API'ye ev sahipliği yapmaktadır. Şirket, ML modelini çevrimdışı çalışırken algılama ve yerel geri bildirim sağlayacak şekilde nasıl dağıtmalıdır?

Doğru cevap, AWS IoT Greengrass'ı yerel sunucuya kurmak ve ML modelini Greengrass cihazına dağıtmaktır. Greengrass, bulut işlevselliğini yerel cihazlara genişleterek, internet bağlantısı olmasa bile yerel çıkarım ve yerel API ile etkileşim sağlar. Bu, çevrimdışı çalışma gereksinimini karşılar. Diğer seçenekler neden yanlış: AWS Kinesis Video Streams ve SageMaker endpoint'i kullanmak internet bağlantısı gerektirir ve çevrimdışı çalışma koşulunu sağlamaz. AWS Snowball, büyük veri aktarımları için tasarlanmıştır ve sürekli yerel çıkarım için uygun bir çözüm değildir; ayrıca, Snowball cihazı sürekli olarak yerinde kalacak bir çözüm değildir. Amazon Monitron, endüstriyel ekipman izleme için tasarlanmış bir hizmettir ve genel bir ML modelini dağıtmak ve özel bir yerel API'yi tetiklemek için uygun değildir.