ある企業が、新人 ML プラクティショナー向けの研修を設計しています。エージェントの行動に報酬を与えて方策を改善していく学習の流れを、報酬関数を自分で設計しながらシミュレーション環境で対話的に体験できるようにしたいと考えています。この要件に最も適した AWS サービスはどれですか。