Un ingeniero de ML debe asegurarse de que un conjunto de datos cumpla con las regulaciones de PII y evitar que las instancias de entrenamiento de SageMaker utilicen cualquier PII. ¿Cuál es la solución más eficiente operativamente?

La opción correcta es la más eficiente operativamente porque Amazon Comprehend DetectPiiEntities está diseñado específicamente para identificar y redactar PII, lo que garantiza el cumplimiento normativo. Almacenar los datos redactados en Amazon S3 es un enfoque estándar y escalable para el almacenamiento de datos de entrenamiento. SageMaker se integra de forma nativa y eficiente con S3 para acceder a los datos de entrenamiento, lo que simplifica la canalización. Las otras opciones son menos óptimas. Usar EFS con SageMaker para datos de entrenamiento es posible, pero S3 es generalmente más rentable y escalable para grandes conjuntos de datos de entrenamiento. AWS Glue DataBrew puede limpiar datos, pero Comprehend es más especializado para la detección y redacción de PII. Amazon Macie es excelente para el descubrimiento de PII, pero no realiza la redacción directamente; requeriría pasos adicionales para eliminar la PII de forma programática.