Nach der Aggregation der Daten benötigt der ML-Ingenieur eine automatisierte Methode, um Anomalien im Datensatz zu erkennen und die Ergebnisse zu visualisieren. Welche Lösung erfüllt beide Anforderungen?

Amazon SageMaker Data Wrangler ist die beste Lösung, da es eine integrierte Umgebung für die Datenaufbereitung bietet, einschließlich der automatischen Erkennung von Anomalien und der Visualisierung der Ergebnisse. Es ermöglicht ML-Ingenieuren, Daten zu importieren, zu transformieren und zu analysieren, um Anomalien zu identifizieren und diese direkt im Tool zu visualisieren. Amazon Athena ist ein Abfragedienst und bietet keine integrierte Anomalieerkennung oder Visualisierung. Amazon Redshift Spectrum ist ein Abfragedienst für Daten in S3 und erfordert zusätzliche Dienste für die Anomalieerkennung. AWS Batch ist ein Dienst zur Ausführung von Batch-Workloads und bietet keine integrierte Anomalieerkennung oder Visualisierung. Amazon QuickSight ist ein Visualisierungsdienst, bietet aber keine automatische Anomalieerkennung.