IA en la Nube · Lección 08
¿Qué automatiza un 'endpoint' de SageMaker al desplegar un modelo entrenado (propio o preentrenado) para servir predicciones en tiempo real?
Provisiona la infraestructura de cómputo necesaria, expone una API HTTP para recibir peticiones de inferencia, y gestiona aspectos operativos como el escalado según la demanda, sin que el usuario tenga que configurar manualmente servidores individuales
Un endpoint de SageMaker reemplaza por completo la necesidad de tener un modelo real ya entrenado antes de poder desplegarlo
Solo puede desplegar exactamente un único modelo en toda la cuenta de AWS del usuario, sin ninguna posibilidad de tener múltiples endpoints distintos
El escalado del endpoint requiere que el usuario reconfigure manualmente el número de servidores cada vez que cambia el volumen de tráfico recibido
IA en la Nube · Lección 08
Completa el código
El endpoint expone una API HTTP para recibir peticiones de
Revisa: expone una API HTTP para recibir peticiones de inferencia en tiempo real.
IA en la Nube · Lección 08
¿Por qué usar un endpoint gestionado de SageMaker (que se encarga del escalado automático) es más práctico que configurar manualmente servidores propios para servir un modelo con tráfico variable e impredecible?
Pista: con tráfico variable e impredecible, ajustar manualmente el número de servidores cada vez que cambia la demanda sería un esfuerzo operativo continuo y reactivo difícil de sostener; un endpoint gestionado que escala automáticamente según la demanda real elimina esa necesidad de intervención manual constante, adaptándose de forma más práctica y eficiente a las variaciones de tráfico sin ese trabajo operativo repetitivo.
✓
¡Lección completada!
SageMaker endpoints — despliegue de modelos para inferencia
0
XP ganado
3
Vidas restantes