Você recebeu um conjunto de dados CSV no S3 que usará para treinamento de ML. Antes do treinamento, você deve encontrar valores ausentes ou inválidos e contar outliers com o menor esforço operacional. Qual abordagem atende a esse requisito?

A opção correta é "Mantenha os dados como CSV, importe-os para o SageMaker Data Wrangler e use o relatório de Qualidade e Insights de Dados". O SageMaker Data Wrangler é uma ferramenta visual que simplifica a preparação de dados, incluindo a detecção automática de valores ausentes, inválidos e outliers por meio de seu relatório de Qualidade e Insights de Dados. Isso atende ao requisito de menor esforço operacional. As opções que envolvem o AWS Glue e o Amazon Athena exigem a escrita de consultas SQL para identificar esses problemas, o que demanda mais esforço e conhecimento técnico. A conversão para Parquet (mesmo que seja uma boa prática para otimização de custos e desempenho em cenários maiores) não é estritamente necessária para a análise inicial de qualidade dos dados e adiciona uma etapa extra, aumentando o esforço operacional em comparação com o Data Wrangler.