Ein Data-Science-Team speichert einen tabellarischen Datensatz in Amazon S3. Das Team möchte verschiedene Feature-Transformationen (z. B. kategoriale Kodierung) ausprobieren, die resultierenden Verteilungen visualisieren und dann den ausgewählten Feature-Verarbeitungs-Workflow automatisieren. Welche Lösung bietet die höchste betriebliche Effizienz?

Die korrekte Antwort ist die effizienteste Lösung, da Amazon SageMaker Data Wrangler speziell für die Datenaufbereitung und Feature-Transformation entwickelt wurde. Es bietet vorkonfigurierte Transformationen und integrierte Visualisierungstools, die das Experimentieren und Analysieren der Datenverteilungen vereinfachen. Der Export des Verarbeitungsflusses in eine SageMaker Pipeline automatisiert den gesamten Prozess nahtlos und ist für ML-Workflows optimiert. Die anderen Optionen sind weniger effizient: Eine SageMaker Notebook-Instanz erfordert mehr manuellen Code für Transformationen und Visualisierungen, und die Verpackung in eine Lambda-Funktion ist für komplexe Datenverarbeitungsschritte weniger geeignet als eine SageMaker Pipeline. AWS Glue Studio mit benutzerdefiniertem Code ist zwar leistungsfähig, aber für das interaktive Experimentieren mit Feature-Transformationen und Visualisierungen weniger optimiert als Data Wrangler. Auch hier ist die Automatisierung über Lambda weniger ideal. Die vierte Option verwendet Data Wrangler, aber das Speichern jeder Transformation in S3 und die Orchestrierung einzelner Lambda-Funktionen über Step Functions ist unnötig komplex und ineffizient im Vergleich zum direkten Export des gesamten Flows in eine SageMaker Pipeline.