Ein ML-Ingenieur erhält Datensätze, die fehlende Werte, Duplikate und extreme Ausreißer enthalten, und muss diese in einem einzigen Dataframe zusammenführen und die Daten für maschinelles Lernen vorbereiten. Welche Lösung erfüllt diese Anforderungen?

Amazon SageMaker Data Wrangler ist die optimale Lösung, da es speziell für die Vorbereitung von Daten für maschinelles Lernen entwickelt wurde. Es ermöglicht das Importieren und Zusammenführen verschiedener Datensätze in einem einzigen Dataframe und bietet eine Vielzahl integrierter Transformationen zur Bereinigung, Anreicherung und Vorverarbeitung von Daten, einschließlich der Handhabung fehlender Werte, Duplikate und Ausreißer. Amazon SageMaker Ground Truth ist für die Datenbeschriftung gedacht, nicht für die Datenvorbereitung oder -bereinigung. Das manuelle Zusammenführen und die Verwendung von Amazon Q Developer zum Generieren von Code-Snippets ist ineffizient und fehleranfällig für komplexe Datenvorbereitungsaufgaben. Amazon SageMaker Data Labeling ist ein anderer Begriff für Ground Truth und dient ebenfalls der Beschriftung, nicht der Bereinigung oder Anreicherung von Daten.