Dopo aver aggregato i dati, l'ingegnere ML necessita di un modo automatizzato per rilevare anomalie nel dataset e per visualizzare i risultati. Quale soluzione soddisfa entrambi i requisiti?

Amazon SageMaker Data Wrangler è la soluzione più adatta perché offre funzionalità integrate per il rilevamento automatico delle anomalie e la visualizzazione dei dati. Permette agli ingegneri ML di preparare i dati, identificare anomalie e generare visualizzazioni interattive direttamente all'interno della stessa interfaccia, semplificando il flusso di lavoro. Le altre opzioni sono meno efficaci: Amazon Athena è un servizio di query interattivo, ma non include funzionalità native per il rilevamento automatico delle anomalie o la creazione di visualizzazioni complesse. Amazon Redshift Spectrum consente di interrogare dati in S3, ma non offre il rilevamento di anomalie. Amazon QuickSight è ottimo per la visualizzazione, ma richiederebbe un servizio separato per il rilevamento delle anomalie. AWS Batch è un servizio per l'esecuzione di job batch, utile per il calcolo distribuito, ma non fornisce funzionalità integrate per il rilevamento di anomalie o la visualizzazione dei risultati in modo interattivo.