Ein Musik-Streaming-Unternehmen streamt Song-Bewertungen in einen S3-Bucket und hat einen AWS Glue Data Catalog, der auf diesen Bucket verweist. Das Unternehmen möchte ein Repository für diese Bewertungen, das sowohl für Batch-Training als auch für Echtzeit-Inferenz synchronisiert bleibt. Welche Lösung erfüllt diese Anforderung?

SageMaker Feature Store ist eine spezialisierte Datenbank für maschinelles Lernen, die Funktionen für Training und Inferenz speichert und verwaltet. Durch das Aufnehmen der Song-Bewertungen in den Feature Store bleiben die Daten für Batch-Training (Offline-Store) und Echtzeit-Inferenz (Online-Store) synchronisiert. Tags und Indizes helfen bei der Organisation und dem schnellen Abruf von Funktionen. Amazon Athena ist ein Abfragedienst, aber kein Feature Store, der die Synchronisation für Training und Inferenz bietet. AWS Lake Formation bietet Governance und Sicherheit für Data Lakes, ist aber keine Lösung für die Speicherung und Synchronisierung von ML-Features. SageMaker Data Wrangler hilft bei der Datenvorbereitung und -analyse, aber die Funktion „Generate Data Insights“ erstellt kein synchronisiertes Feature-Repository.