Uma empresa está construindo um modelo de ML com o Amazon SageMaker e precisa de uma maneira centralizada de compartilhar e gerenciar variáveis de recursos entre várias equipes. Qual capacidade do SageMaker eles devem usar?

O Amazon SageMaker Feature Store é a escolha correta porque ele fornece um repositório centralizado para armazenar, gerenciar e compartilhar recursos (features) de ML. Isso permite que várias equipes reutilizem recursos consistentes, garantindo a padronização e reduzindo o retrabalho. O Amazon SageMaker Data Wrangler é usado para agregação e preparação de dados, não para gerenciamento centralizado de recursos. O Amazon SageMaker Clarify é para detecção de viés e explicabilidade do modelo. O Amazon SageMaker Model Cards é para documentar modelos de ML, não para gerenciar recursos.