StreamVid mantiene terabytes de logs CSV sin procesar en S3 y necesita un perfilado automatizado y una transformación repetible (analizar marcas de tiempo, eliminar columnas de baja cardinalidad, convertir a Parquet) antes del entrenamiento. ¿Qué flujo de trabajo de DataBrew satisface mejor estos requisitos y qué debe garantizarse para las ejecuciones programadas?

La opción correcta describe el flujo de trabajo estándar de AWS Glue DataBrew para la preparación de datos. DataBrew está diseñado para el perfilado, la limpieza y la normalización de datos sin código, y puede generar estadísticas de perfilado, aplicar transformaciones complejas (como analizar marcas de tiempo y eliminar columnas) y convertir datos a formatos optimizados como Parquet. Los trabajos de DataBrew pueden programarse y requieren un rol de IAM con permisos adecuados de S3. La accesibilidad de la VPC es crucial si el trabajo se ejecuta en una VPC privada. Las otras opciones son incorrectas porque DataBrew sí puede programar trabajos y escribir en Parquet, lo que hace que las alternativas como AWS Glue ETL o SageMaker Data Wrangler sean innecesarias para este caso de uso específico, o porque una función Lambda sería menos eficiente y más compleja de mantener para esta tarea de procesamiento de datos a gran escala.