Uma empresa usa o Amazon Athena para consultar um conjunto de dados do S3 que contém uma variável de destino que eles desejam prever. Eles precisam determinar se um modelo pode prever com sucesso o destino com o mínimo esforço de desenvolvimento. Qual opção fornece essas informações com o menor trabalho?

A opção correta é usar o Amazon SageMaker Autopilot. O SageMaker Autopilot é uma solução de Machine Learning automatizado (AutoML) que permite construir, treinar e ajustar modelos de ML sem a necessidade de escrever muito código. Ele analisa os dados, seleciona os melhores algoritmos e otimiza os hiperparâmetros, fornecendo relatórios de desempenho do modelo, o que atende diretamente ao requisito de mínimo esforço de desenvolvimento para prever a variável de destino. As outras opções são menos eficientes ou inadequadas: Escrever código de pré-processamento e implementar regressão linear em instâncias EC2 exige um esforço de desenvolvimento significativo e conhecimento profundo de ML, o que contradiz o requisito de "mínimo esforço". O Amazon Macie é um serviço de segurança e privacidade de dados que usa ML para descobrir e proteger dados sensíveis, não para construir modelos preditivos a partir de um conjunto de dados geral. O Amazon Bedrock é um serviço para construir e escalar aplicações de IA generativa usando modelos de fundação (FMs), não para construir modelos preditivos tradicionais a partir de dados tabulares ou para relatar o desempenho de modelos nesse contexto.