Ein Musik-Streaming-Unternehmen benötigt eine Feature-Pipeline, die Features für das Offline-Training und für die Online-Inferenz speichert, die Feature-Historie bewahrt und Datenwissenschaftlern einen durchsuchbaren Zugriff ermöglicht. Welche Option erfüllt diese Anforderungen mit dem geringsten Betriebsaufwand?

Amazon SageMaker Feature Store ist die optimale Lösung, da er speziell für die Speicherung, Verwaltung und Bereitstellung von Machine-Learning-Features für Online-Inferenz und Offline-Training entwickelt wurde. Er unterstützt automatisch sowohl einen Online- als auch einen Offline-Speicher, bewahrt die Feature-Historie und bietet Datenwissenschaftlern über IAM-Rollen durchsuchbaren Zugriff. Die Option, nur einen Online Store zu verwenden, ist ineffizient für das Offline-Training großer Datenmengen. S3-Buckets und DynamoDB-Tabellen erfordern erheblichen manuellen Einrichtungs- und Verwaltungsaufwand für Feature-Versionierung, Historie und Suchbarkeit, was den Betrieb aufwendiger macht als die integrierte Lösung von SageMaker Feature Store.