廠商每 3-4 天會將清理過、可立即使用的訓練資料傳送到公司的 Amazon S3 儲存貯體。公司有一個 SageMaker pipeline 可重新訓練模型。ML 工程師需要當新資料到達 S3 時，pipeline 能自動執行，並將操作負擔降到最低。他們應該實施哪種解決方案？

正確答案是建立 Amazon EventBridge 規則，匹配 S3 object-created 事件，並將 SageMaker pipeline 設定為規則目標。EventBridge 能夠直接監聽 S3 的物件建立事件，並將 SageMaker Pipeline 作為目標啟動，這是最直接且操作負擔最低的自動化方式。 建立 S3 Lifecycle 規則是用於管理物件生命週期，例如轉換儲存類別或刪除，無法觸發訓練。部署 AWS Lambda 雖然可以實現相同功能，但需要編寫和維護 Lambda 程式碼，增加了操作負擔。使用 Amazon MWAA (Managed Workflows for Apache Airflow) 是一個強大的協調工具，但對於簡單的 S3 事件觸發 SageMaker Pipeline 而言，過於複雜且成本較高，不符合最低操作負擔的要求。