Een bedrijf bouwt een ML-model met Amazon SageMaker en heeft een gecentraliseerde manier nodig om feature-variabelen te delen en te beheren tussen meerdere teams. Welke SageMaker-functionaliteit moeten ze gebruiken?

Amazon SageMaker Feature Store is de juiste keuze omdat het een volledig beheerde opslagplaats is voor het opslaan, delen en beheren van feature-variabelen voor machine learning. Dit zorgt voor consistentie en hergebruik van features over verschillende teams en modellen heen. SageMaker Data Wrangler is een tool voor data-voorbereiding en feature engineering, maar niet voor gecentraliseerd beheer en delen. SageMaker Clarify wordt gebruikt voor het detecteren van bias en het verklaren van modelvoorspellingen. SageMaker Model Cards zijn voor het documenteren van modelinformatie, niet voor feature-beheer.