Een data science-team slaat een tabulaire dataset op in Amazon S3. Het team wil verschillende feature-transformaties uitproberen (bijvoorbeeld categorische codering), de resulterende distributies visualiseren en vervolgens de gekozen feature-processing workflow automatiseren. Welke oplossing biedt de meeste operationele efficiëntie?

Amazon SageMaker Data Wrangler is specifiek ontworpen voor data-voorbereiding en feature engineering. Het biedt voorgeconfigureerde transformaties en ingebouwde visualisaties, wat het verkennen van feature-transformaties efficiënt maakt. De mogelijkheid om de gehele processing flow direct te exporteren naar een SageMaker Pipeline zorgt voor naadloze automatisering en operationele efficiëntie. De andere opties zijn minder efficiënt: Een SageMaker notebook instance vereist handmatige codering voor transformaties en visualisaties, en het automatiseren via Lambda is minder geïntegreerd dan SageMaker Pipelines. AWS Glue Studio is meer gericht op ETL-taken en vereist meer aangepaste code voor feature engineering, en QuickSight is een BI-tool, niet primair voor feature-distributie visualisatie tijdens exploratie. Het verpakken van individuele transformaties in Lambda-functies en orkestreren met Step Functions is complexer en minder geïntegreerd dan de end-to-end oplossing van Data Wrangler en SageMaker Pipelines.