Una empresa está construyendo un modelo de ML con Amazon SageMaker y necesita una forma centralizada de compartir y administrar variables de características entre varios equipos. ¿Qué capacidad de SageMaker deberían usar?

Amazon SageMaker Feature Store es la solución correcta porque proporciona un repositorio centralizado para almacenar, descubrir y compartir características de ML. Esto permite la reutilización de características entre equipos y modelos, garantizando la coherencia y reduciendo el tiempo de desarrollo. Data Wrangler se utiliza para la preparación y transformación de datos, no para el almacenamiento y la gestión centralizada de características. Clarify se enfoca en la detección de sesgos y la explicabilidad del modelo. Model Cards se utilizan para documentar información del modelo, no para gestionar características.