公司需要一個手動核准工作流程，以便只有經過授權的模型版本才能部署到生產端點。哪種解決方案符合此要求？

此解決方案正確，因為 SageMaker Pipelines 允許您定義和自動化機器學習工作流程，包括模型註冊步驟。在模型註冊期間，您可以透過 AWS SDK 將模型版本的狀態設定為「PendingManualApproval」。然後，授權人員可以手動審查模型，並在核准後，使用 AWS SDK 將其狀態更新為「Approved」，從而觸發部署。 SageMaker Experiments 主要用於追蹤和比較實驗執行，不直接管理部署核准。SageMaker ML Lineage Tracking 則追蹤 ML 資源之間的關係，而非用於實作核准工作流程。SageMaker Model Monitor 專注於監控生產模型的效能漂移，與部署核准無關。