Un ingegnere ML deve garantire che un set di dati sia conforme alle normative PII e impedire che le istanze di training di SageMaker utilizzino qualsiasi PII. Qual è la soluzione più efficiente dal punto di vista operativo?

L'opzione corretta è la più efficiente operativamente perché Amazon Comprehend DetectPiiEntities è specificamente progettato per identificare e redigere le PII (Personally Identifiable Information) dal testo. L'archiviazione dei dati redatti in un bucket Amazon S3 è un metodo standard e scalabile per la gestione dei dati per SageMaker, che si integra nativamente con S3 per l'accesso ai dati di training. Le altre opzioni sono meno efficienti o inappropriate: L'utilizzo di Amazon EFS per archiviare i dati di training per SageMaker è possibile, ma S3 è generalmente preferito per la sua scalabilità, costo-efficacia e integrazione nativa con SageMaker per i set di dati di grandi dimensioni. AWS Glue DataBrew è uno strumento eccellente per la pulizia e la trasformazione dei dati, ma DetectPiiEntities è più specifico e diretto per la redazione delle PII. Amazon Macie è ottimo per la scoperta e il monitoraggio delle PII, ma non offre una funzionalità di rimozione diretta e automatica delle PII per la preparazione dei dati di training come DetectPiiEntities.