Un especialista en ML está preparando datos con un trabajo de PySpark que incluye agregaciones complejas de ventanas. Quieren probar cómo diferentes recuentos de características y tamaños de muestra afectan el rendimiento del modelo. ¿Qué enfoque les permite registrar los parámetros de transformación y los resultados para que puedan evaluar y comparar las variantes de preparación de datos?

La opción correcta es usar un Amazon SageMaker Experiments tracker en el script y ejecutarlo como un SageMaker processing job. SageMaker Experiments permite rastrear y comparar los parámetros de transformación (como recuentos de características y tamaños de muestra) y los resultados (por ejemplo, métricas de rendimiento del modelo) de múltiples ejecuciones. Un SageMaker processing job es ideal para ejecutar scripts de PySpark con agregaciones complejas, ya que proporciona un entorno gestionado y escalable. Las otras opciones son incorrectas porque: SageMaker Debugger se enfoca en el monitoreo y depuración de modelos durante el entrenamiento, no en el seguimiento de parámetros de preprocesamiento de datos o la comparación de experimentos. Ejecutar el script como un trabajo de AWS Glue es posible, pero Glue no ofrece la capacidad integrada de rastreo de experimentos y comparación de parámetros que proporciona SageMaker Experiments.