Après avoir agrégé les données, l'ingénieur ML a besoin d'un moyen automatisé pour détecter les anomalies dans l'ensemble de données et pour visualiser les résultats. Quelle solution répond à ces deux exigences ?

Amazon SageMaker Data Wrangler est l'outil le plus approprié car il offre des capacités intégrées de détection d'anomalies et de visualisation. Il permet aux ingénieurs ML de préparer les données, d'identifier les anomalies et de créer des visualisations sans quitter l'environnement SageMaker. Amazon Athena et Amazon Redshift Spectrum sont des services de requête de données qui ne fournissent pas de détection d'anomalies intégrée ni de capacités de visualisation directes. AWS Batch est un service de planification de tâches de calcul, et bien qu'il puisse exécuter des scripts de détection d'anomalies, il ne fournit pas de visualisation intégrée. Amazon QuickSight est un excellent outil de visualisation, mais il nécessite une source de données déjà traitée pour la détection d'anomalies.