Un equipo de ciencia de datos almacena un conjunto de datos tabulares en Amazon S3. El equipo quiere probar varias transformaciones de características (por ejemplo, codificación categórica), visualizar las distribuciones resultantes y luego automatizar el flujo de trabajo de procesamiento de características elegido. ¿Qué solución proporciona la mayor eficiencia operativa?

La opción correcta es la más eficiente operativamente porque Amazon SageMaker Data Wrangler está diseñado específicamente para la preparación de datos y la ingeniería de características, ofreciendo transformaciones preconfiguradas y visualizaciones integradas. Su capacidad para exportar directamente el flujo de procesamiento a un SageMaker Pipeline automatiza de forma nativa todo el proceso, desde la exploración hasta la producción, minimizando el esfuerzo manual y la integración de servicios. Las otras opciones implican la integración de múltiples servicios (como QuickSight, Lambda o Glue Studio) para la visualización y la automatización, lo que aumenta la complejidad operativa y el tiempo de desarrollo.