一家製造公司執行一個 SageMaker scikit-learn 模型，該模型根據 4 天的遙測資料將每個設備標記為正常或異常。每個設備的 4 天遙測資料每小時會以獨立檔案的形式寫入 S3。對所有設備執行模型需要 5 分鐘。對所有設備的遙測資料執行模型，最符合成本效益的方式是什麼？

SageMaker Batch Transform 是處理大量資料並產生推論的最具成本效益方式，特別是當不需要即時推論時。它能有效率地處理儲存在 S3 中的資料，並將結果寫回 S3，非常適合您描述的離線、週期性推論需求。 SageMaker Asynchronous Inference 適用於需要處理大型請求負載，但可以接受推論延遲的場景，通常用於即時或近即時應用，而不是像這裡這樣的大規模離線批次處理。SageMaker Processing 主要是用於資料預處理、後處理或模型評估，而不是直接用於模型推論。SageMaker multi-container endpoint 則用於即時推論，並且涉及持續運行的端點，成本會比批次轉換高很多。