FinCorp gestisce una pipeline di rilevamento frodi in AWS. Hai creato più SageMaker Feature Groups con l'offline store abilitato per rendere persistenti i valori delle feature storiche su S3. Gli scienziati dei dati devono generare dataset di training che uniscano i record delle transazioni (CSV in S3 con un transaction_timestamp) ai valori corretti delle feature storiche al momento di ogni transazione utilizzando SQL in Athena. Quale configurazione e passaggio consentiranno in modo affidabile join performanti e corretti sui timestamp delle feature storiche per esportazioni di training di grandi dimensioni?

L'opzione corretta descrive il metodo raccomandato per creare dataset di training storici accurati con SageMaker Feature Store. Abilitando l'offline store con DataCatalogConfig e specificando recordidentifiercolumn ed eventtimefeaturename, si crea una tabella Glue che punta ai dati Parquet in S3. Questo permette di usare Athena per eseguire join temporali efficienti tra le transazioni e i valori storici delle feature, utilizzando eventtime <= transactiontimestamp per recuperare lo stato delle feature al momento di ogni transazione. I permessi di lettura per Glue e S3 sono essenziali. Le altre opzioni sono meno adatte: L'online store non è progettato per esportazioni di training di grandi dimensioni e GetRecord non supporta il recupero di valori storici per un timestamp specifico. SageMaker Batch Transform non è il metodo ideale per unire dati storici complessi basati su timestamp, e l'API featurestore-runtime è per l'online store, non per dati storici offline. Un Glue crawler può creare tabelle, ma non gestisce automaticamente la logica complessa dei join temporali e delle partizioni come fa DataCatalogConfig integrato con Feature Store per query performanti.