一位机器学习工程师收到的数据集中包含缺失值、重复项和极端异常值，并且必须将它们合并到一个数据帧中并为机器学习准备数据。哪种解决方案能满足这些需求？

Amazon SageMaker Data Wrangler 专门用于简化数据准备过程。它允许工程师导入、合并来自不同来源的数据集，并提供丰富的内置转换功能，可以有效地处理缺失值、重复项和异常值，从而为机器学习模型提供高质量的输入。 Amazon SageMaker Ground Truth 主要用于数据标注，不适合数据清理和预处理。手动导入数据并使用 Amazon Q Developer 生成代码片段虽然可行，但效率不如 Data Wrangler 的可视化界面和预置转换。Amazon SageMaker data labeling 同样专注于数据标注，而非数据清理和预处理。