Un ingénieur ML doit charger des données historiques directement dans SageMaker depuis Amazon S3, Amazon Athena et Snowflake pour créer des modèles. Quel outil doit-il utiliser pour interroger et importer ces sources dans SageMaker ?
Choisissez une réponse
Appuyez sur une option pour vérifier votre réponse.
Bonne réponse : Utiliser SageMaker Data Wrangler pour interroger les données d'Amazon S3, Amazon Athena et Snowflake et les importer dans SageMaker..
Pourquoi c'est la réponse
SageMaker Data Wrangler est l'outil le plus approprié car il est conçu pour l'agrégation et la préparation de données à partir de diverses sources, y compris Amazon S3, Amazon Athena et Snowflake, et peut directement importer ces données dans SageMaker pour la création de modèles. AWS Glue DataBrew est un excellent outil de préparation de données, mais Data Wrangler est plus intégré à l'écosystème SageMaker pour l'ingestion directe. SageMaker Pipelines est destiné à l'orchestration de workflows ML, pas à l'ingestion de données brutes, et AWS DataSync est un service de transfert de données, pas un outil de requête. SageMaker Feature Store est utilisé pour stocker et gérer des caractéristiques pour l'entraînement et l'inférence, mais il nécessite que les données soient déjà préparées avant l'ingestion.
Réussissez votre examen — sans la chasse aux réponses interminable
Obtenez toutes les questions et explications vérifiées pour cet examen en un seul endroit, et économisez des heures de préparation. Plus de 1 000 certifications · Plus de 20 langues · Gratuit pour commencer.
Réussissez votre examen plus rapidement → Pas de carte requise