Un ingénieur ML développe un modèle de détection de fraude. Les sources de données incluent des journaux de transactions et des profils clients dans S3, ainsi que des tables provenant d'une base de données MySQL sur site. Quel service ou quelle fonctionnalité AWS peut agréger de manière centralisée ces diverses sources de données pour une utilisation en ML ?

AWS Lake Formation est la solution la plus appropriée car elle permet de construire un lac de données sécurisé et centralisé à partir de sources diverses, y compris S3 et des bases de données sur site (via des connecteurs ou des services d'ingestion comme AWS DMS). Elle simplifie la collecte, le nettoyage, la transformation et la sécurisation des données pour l'analyse et le ML. Exécuter des tâches Amazon EMR Spark est une méthode de traitement, pas un service d'agrégation centralisé des sources de données. Il peut être utilisé après que les données sont dans le lac de données. Amazon Kinesis Data Streams est pour la collecte de données en temps réel, pas pour l'agrégation de sources hétérogènes existantes. Amazon DynamoDB est une base de données NoSQL, non conçue pour agréger et gérer de grands volumes de données structurées et non structurées provenant de sources diverses pour un lac de données.