ML 엔지니어가 모델을 구축하기 위해 Amazon S3, Amazon Athena 및 Snowflake에서 SageMaker로 과거 데이터를 직접 로드해야 합니다. 이러한 소스를 쿼리하고 SageMaker로 가져오려면 어떤 도구를 사용해야 할까요?

SageMaker Data Wrangler는 Amazon S3, Amazon Athena, Snowflake를 포함한 다양한 데이터 소스에서 데이터를 시각적으로 탐색, 준비 및 가져올 수 있도록 설계된 SageMaker의 기능입니다. 이 도구는 코드를 작성하지 않고도 데이터 변환을 수행하고 SageMaker로 직접 데이터를 가져올 수 있는 통합 환경을 제공합니다. AWS Glue DataBrew는 데이터 준비 도구이지만 SageMaker로 직접 가져오는 기능은 Data Wrangler만큼 통합되어 있지 않습니다. SageMaker Pipelines는 ML 워크플로우 오케스트레이션 도구이며 데이터 가져오기 도구가 아닙니다. AWS DataSync는 스토리지 간에 데이터를 전송하는 데 사용되며, 데이터 쿼리 및 준비에는 적합하지 않습니다. SageMaker Feature Store는 피처를 저장하고 검색하는 데 사용되지만, 데이터 소스에서 직접 쿼리하고 가져오는 기본 도구는 아닙니다.