Sie haben CSV-Dateien in Amazon S3, die eine Zeitstempelspalte im Format „1. März 2020, 20:14 Uhr“ enthalten. Sie vermuten, dass Wochentag, Monat und Stunde die Zielvariable beeinflussen, daher müssen Sie dem Datensatz drei neue Features (Wochentag, Monat, Stunde) hinzufügen. Welcher Ansatz fügt diese Features hinzu und erfordert dabei den geringsten Betriebsaufwand, um eine neue Datei in S3 zu erstellen?

Die korrekte Antwort ist Amazon SageMaker Data Wrangler, da es eine integrierte Transformation "Featurize date/time" bietet, die speziell für die Extraktion von Datums- und Zeitkomponenten wie Wochentag, Monat und Stunde aus einer Zeitstempelspalte entwickelt wurde. Dies reduziert den Betriebsaufwand erheblich, da kein manueller Code geschrieben oder Infrastruktur verwaltet werden muss. Die anderen Optionen erfordern das Schreiben und Verwalten von Code (PySpark, Python in SageMaker Processing, AWS Glue), um die Zeitstempel manuell zu parsen und die neuen Spalten zu erstellen. Dies erhöht den Entwicklungs- und Wartungsaufwand im Vergleich zur vorgefertigten Lösung von Data Wrangler. EMR erfordert zudem die Bereitstellung und Verwaltung eines Clusters, was den Betriebsaufwand weiter erhöht.