Una empresa de transmisión de música transmite las calificaciones de las canciones a un bucket de S3 y tiene un AWS Glue Data Catalog que apunta a ese bucket. La empresa quiere un repositorio para estas calificaciones que se mantenga sincronizado tanto para el entrenamiento por lotes como para la inferencia en tiempo real. ¿Qué solución satisface este requisito?

SageMaker Feature Store es la solución correcta porque está diseñado específicamente para almacenar, descubrir y servir características de ML para entrenamiento e inferencia en tiempo real. Al ingerir los datos de calificaciones de S3, Feature Store mantiene un repositorio sincronizado que puede ser consultado eficientemente tanto para el entrenamiento por lotes como para la inferencia en tiempo real, satisfaciendo directamente el requisito de la empresa. Las etiquetas e índices mejoran la capacidad de búsqueda y el rendimiento. Amazon Athena es una herramienta de consulta interactiva que no proporciona un repositorio de características sincronizado para entrenamiento e inferencia en tiempo real. AWS Lake Formation se enfoca en la seguridad y gobernanza de los datos en un lago de datos, no en el servicio de características para ML. SageMaker Data Wrangler es una herramienta de preparación de datos que no ofrece un repositorio de características persistente y sincronizado.