Você precisa reamostrar dados de série temporal irregulares e parcialmente ausentes para uma frequência diária e exportá-los para modelagem com o menor esforço de implementação. Qual ferramenta é a opção mais simples?

Amazon SageMaker Studio Data Wrangler é a ferramenta mais simples porque foi projetada especificamente para preparação de dados, incluindo transformações complexas como reamostragem de séries temporais e tratamento de dados ausentes, com uma interface visual de baixo código. Isso minimiza o esforço de implementação. Usar Amazon EMR Serverless com PySpark exigiria codificação e configuração de clusters, o que é mais complexo. AWS Glue DataBrew é uma boa opção para preparação de dados, mas o Data Wrangler oferece integrações mais profundas com o ecossistema SageMaker para a etapa de modelagem subsequente. Um notebook do SageMaker Studio com pandas exigiria codificação manual de toda a lógica de reamostragem e tratamento de dados ausentes, o que é mais trabalhoso.