Een ML-engineer moet ervoor zorgen dat een dataset voldoet aan PII-regelgeving en voorkomen dat SageMaker-trainingsinstances PII gebruiken. Wat is de meest operationeel efficiënte oplossing?

De meest operationeel efficiënte oplossing is het gebruik van Amazon Comprehend DetectPiiEntities om PII te redigeren. Comprehend is een beheerde service die specifiek is ontworpen voor het detecteren en redigeren van PII. Het opslaan van de geredigeerde gegevens in een Amazon S3-bucket is een standaard en schaalbare methode voor het opslaan van gegevens voor SageMaker-training, aangezien SageMaker naadloos integreert met S3. Het gebruik van Amazon EFS (Elastic File System) is minder operationeel efficiënt omdat het meer beheer vereist dan S3 en mogelijk hogere kosten met zich meebrengt voor grootschalige datasets. AWS Glue DataBrew is een goede optie voor data-opschoning, maar Comprehend is specifieker voor PII-detectie en -redactie. Amazon Macie is primair een beveiligingsservice voor het ontdekken van PII in S3 en biedt geen directe functionaliteit voor het redigeren of verwijderen van PII voor trainingsdoeleinden.