Un'azienda utilizza Amazon Athena per interrogare un dataset S3 che contiene una variabile target che desidera prevedere. Deve determinare se un modello può prevedere con successo il target con il minimo sforzo di sviluppo. Quale opzione fornisce queste informazioni con il minor lavoro?

Amazon SageMaker Autopilot automatizza la creazione e la messa a punto di modelli di machine learning, inclusa la pre-elaborazione dei dati, la selezione degli algoritmi e l'ottimizzazione degli iperparametri. Questo consente di ottenere rapidamente un modello di base e valutarne le prestazioni sul dataset S3 con il minimo sforzo di sviluppo, rispondendo direttamente all'esigenza di determinare la prevedibilità del target. Le altre opzioni richiedono un lavoro significativamente maggiore o non sono adatte allo scopo: Scrivere codice di pre-elaborazione personalizzato e implementare la regressione lineare su istanze EC2 è un processo manuale e dispendioso in termini di tempo. Amazon Macie è un servizio di sicurezza e privacy dei dati, non è progettato per la costruzione di modelli predittivi. Amazon Bedrock è un servizio per modelli di base (Foundation Models) e richiederebbe un'ottimizzazione e un'integrazione più complesse per un compito di previsione specifico, non essendo la soluzione più rapida per una valutazione iniziale.