Após agregar os dados, o engenheiro de ML precisa de uma forma automatizada para detectar anomalias no conjunto de dados e visualizar os resultados. Qual solução atende a ambos os requisitos?

O Amazon SageMaker Data Wrangler é a escolha correta porque é uma ferramenta de preparação de dados que oferece transformações integradas, incluindo detecção de anomalias, e permite visualizar os resultados diretamente em sua interface. Ele simplifica o processo de preparação e análise exploratória de dados. O Amazon Athena é um serviço de consulta interativa que não possui recursos nativos de detecção de anomalias ou visualização integrada para este fim. O Amazon Redshift Spectrum permite consultar dados em data lakes, mas não oferece detecção de anomalias ou visualização nativa; ele precisaria ser combinado com outras ferramentas. O AWS Batch é um serviço para executar cargas de trabalho em lote e não é otimizado para detecção de anomalias interativa ou visualização.