Un minorista almacena 100 GB de datos transaccionales en S3 diariamente y necesita detectar el esquema de los datos, realizar transformaciones en los datos de S3 y usar ML para detectar fraudes, todo con una sobrecarga operativa mínima. ¿Qué combinación de servicios debería usar? (Elija tres).

AWS Glue crawlers son ideales para descubrir automáticamente el esquema de los datos almacenados en S3, creando tablas en el AWS Glue Data Catalog sin esfuerzo manual. Luego, AWS Glue workflows y AWS Glue jobs (que pueden ejecutar scripts de Spark o Python) son perfectos para realizar transformaciones ETL (Extracción, Transformación y Carga) en grandes volúmenes de datos, como los 100 GB diarios, con mínima sobrecarga operativa. Finalmente, Amazon Fraud Detector es un servicio completamente administrado diseñado específicamente para construir, entrenar e implementar modelos de detección de fraude, lo que lo hace la opción más eficiente y especializada para este caso de uso. Amazon Athena puede escanear datos e inferir esquemas, pero AWS Glue crawlers son más robustos para la creación y gestión de metadatos en el Data Catalog. Los procedimientos almacenados de Amazon Redshift no son adecuados para transformar datos directamente desde S3, ya que Redshift es un almacén de datos OLAP. Amazon Redshift ML podría usarse para entrenar modelos, pero Amazon Fraud Detector es un servicio especializado y optimizado para la detección de fraude, ofreciendo una solución más directa y con menor sobrecarga.