Un ingeniero de ML necesita extraer, transformar y cargar datos de Amazon S3 para análisis, descubrir el esquema de los datos y almacenar metadatos con un esfuerzo manual mínimo. ¿Qué opción logra esto?

La opción correcta es usar AWS Glue porque está diseñado específicamente para ETL sin servidor, descubrimiento de esquemas y almacenamiento de metadatos en el AWS Glue Data Catalog. El Data Catalog es un repositorio centralizado de metadatos que almacena información sobre sus datos, como su esquema, ubicación y formato, lo que permite a otros servicios de AWS consultarlos y analizarlos fácilmente. Las otras opciones son incorrectas porque: SageMaker Data Wrangler es principalmente para la preparación de datos y la ingeniería de características, no para el descubrimiento automático de esquemas y el almacenamiento de metadatos en un catálogo centralizado. Almacenar metadatos en un bucket de S3 no ofrece la misma integración que el Data Catalog. Amazon Athena es un servicio de consulta interactiva, no una herramienta de ETL completa para el descubrimiento de esquemas y el almacenamiento de metadatos. Aunque se puede integrar con Step Functions, no proporciona el descubrimiento de esquemas automático de Glue ni un catálogo de metadatos centralizado. Lanzar una instancia de EC2 e instalar scikit-learn es una solución manual y requiere mucho esfuerzo para configurar y mantener el proceso de ETL, el descubrimiento de esquemas y el almacenamiento de metadatos, lo que va en contra del requisito de "esfuerzo manual mínimo". Amazon Redshift es un almacén de datos, no un catálogo de metadatos.