Un ingegnere ML riceve dataset contenenti valori mancanti, duplicati e outlier estremi e deve unirli in un unico dataframe e preparare i dati per il machine learning. Quale soluzione soddisfa queste esigenze?

Amazon SageMaker Data Wrangler è la soluzione più efficiente perché è progettato specificamente per l'aggregazione, la preparazione e la pulizia dei dati per il machine learning. Permette di importare e unire facilmente dataset da varie fonti, e offre strumenti integrati per gestire valori mancanti, duplicati e outlier estremi attraverso trasformazioni predefinite o personalizzate. Questo riduce significativamente il tempo e lo sforzo necessari per la fase di pre-elaborazione dei dati. Le altre opzioni sono meno adatte: Amazon SageMaker Ground Truth è per l'etichettatura dei dati, non per la pulizia o l'unione di dataset. L'importazione e l'unione manuale, anche con l'aiuto di Amazon Q Developer, richiede più tempo e competenze di codifica rispetto all'approccio guidato di Data Wrangler per la pulizia dei dati. L'etichettatura dei dati di SageMaker è per aggiungere etichette ai dati, non per la loro pulizia o unione.