Un'azienda ha dati storici di proprietà in formato CSV su S3 con un'intestazione, campi categorici e valori mancanti. Gli scienziati dei dati hanno riempito i valori mancanti con zeri, eliminato i campi categorici e addestrato un modello di regressione lineare open source predefinito; la precisione della previsione è inferiore al 50%. Vogliono migliorare le prestazioni del modello e lanciarlo rapidamente con un sovraccarico operativo minimo. Quale opzione soddisfa al meglio questo obiettivo?

L'opzione corretta è SageMaker Autopilot perché automatizza la selezione dell'algoritmo, il pre-processing dei dati (inclusa la gestione dei valori mancanti e delle variabili categoriche) e l'ottimizzazione degli iperparametri, riducendo significativamente il sovraccarico operativo e migliorando le prestazioni del modello. Il problema descrive un modello di regressione lineare con scarsa precisione (<50%) a causa di un pre-processing inadeguato (riempimento con zeri, eliminazione di campi categorici). Autopilot gestisce queste sfide in modo ottimale. Le altre opzioni sono meno adatte: L'utilizzo di ECS con AWS Deep Learning Containers richiede un significativo sforzo di codifica per il feature engineering e l'addestramento, aumentando il sovraccarico operativo. Un notebook SageMaker permette l'esplorazione interattiva, ma richiede comunque un intervento manuale considerevole per il feature engineering e la selezione del modello. L'addestramento di XGBoost con SageMaker è una buona scelta per l'algoritmo, ma l'inferenza tramite Lambda con un artefatto di modello grande potrebbe essere inefficiente e non risolve il problema del feature engineering automatico.