Un ingénieur ML doit extraire, transformer et charger des données depuis Amazon S3 pour l'analyse, découvrir le schéma des données et stocker les métadonnées avec un minimum d'effort manuel. Quelle option permet d'y parvenir ?

AWS Glue est un service ETL sans serveur qui inclut un catalogue de données (AWS Glue Data Catalog) capable de découvrir automatiquement les schémas des données stockées dans S3 et de stocker ces métadonnées. Il est conçu pour minimiser l'effort manuel grâce à ses crawlers. Amazon SageMaker Data Wrangler est excellent pour la préparation des données, mais il stocke les métadonnées dans S3, pas dans un catalogue de données centralisé comme Glue. Amazon Athena est un moteur de requête, pas un service ETL complet avec découverte de schéma automatique et stockage de métadonnées intégré. Lancer une instance EC2 avec scikit-learn nécessiterait un développement manuel important pour l'ETL, la découverte de schéma et la gestion des métadonnées, ce qui va à l'encontre de l'objectif de minimisation de l'effort manuel.