某公司在 S3 中儲存了帶有標頭、類別欄位和缺失值的 CSV 格式歷史房產資料。資料科學家將缺失值填為零，刪除了類別欄位，並訓練了一個預設的開源線性迴歸模型；但預測準確度低於 50%。他們希望提高模型效能並以最少的營運開銷快速上線。哪個選項最能達成此目標？

SageMaker Autopilot (AutoML) 最能達成目標，因為它能自動執行資料預處理、特徵工程、演算法選擇和模型調整，以找到最佳模型。這顯著減少了手動工作和營運開銷，同時快速提高模型準確度。Autopilot 會自動部署最佳模型，符合快速上線的要求。 其他選項效率較低： 建立 ECS 叢集並手動編寫程式碼需要大量時間和專業知識，不符合「最少營運開銷」和「快速上線」的要求。 使用 SageMaker notebook 進行互動式探索雖然可行，但仍需手動進行特徵工程和模型比較，效率不如 Autopilot。 使用 SageMaker 內建 XGBoost 模型並將模型 artifact 載入 Lambda 函數進行推論，雖然減少了模型選擇，但仍需手動處理特徵工程和 Lambda 部署，且 Lambda 不適合大型模型推論。