Une équipe de science des données stocke un jeu de données tabulaires dans Amazon S3. L'équipe souhaite essayer diverses transformations de caractéristiques (par exemple, l'encodage catégoriel), visualiser les distributions résultantes, puis automatiser le flux de travail de traitement des caractéristiques choisi. Quelle solution offre la meilleure efficacité opérationnelle ?

La meilleure efficacité opérationnelle est obtenue avec SageMaker Data Wrangler car il est conçu spécifiquement pour l'exploration, la transformation et la visualisation des données tabulaires. Ses transformations préconfigurées et ses modèles de visualisation intégrés simplifient l'ingénierie des caractéristiques. L'exportation directe du flux de traitement vers un SageMaker Pipeline permet une automatisation transparente et une intégration complète dans l'écosystème SageMaker, minimisant le code manuel et la gestion d'infrastructure. Les autres options impliquent des outils disparates (QuickSight, Lambda, Glue Studio) et nécessitent plus de code personnalisé et d'intégration manuelle, ce qui réduit l'efficacité opérationnelle et augmente la complexité.