Un'azienda di streaming musicale trasmette i punteggi dei brani in un bucket S3 e dispone di un AWS Glue Data Catalog che punta a tale bucket. L'azienda desidera un repository per questi punteggi che rimanga sincronizzato sia per il training batch che per l'inferenza in tempo reale. Quale soluzione soddisfa questo requisito?

SageMaker Feature Store è la soluzione migliore perché fornisce un repository centralizzato per le feature di machine learning, permettendo la coerenza tra il training batch e l'inferenza in tempo reale. Può ingerire dati da S3 e supporta l'applicazione di tag e indici per una migliore gestione e recupero delle feature. Le tabelle CTAS di Amazon Athena sono utili per l'analisi ad-hoc, ma non offrono un repository di feature gestito per l'inferenza in tempo reale. AWS Lake Formation è per la gestione della sicurezza dei dati e non per un repository di feature. SageMaker Data Wrangler è uno strumento di preparazione dei dati, non un feature store.