Een muziekstreamingbedrijf streamt songbeoordelingen naar een S3-bucket en heeft een AWS Glue Data Catalog die naar die bucket verwijst. Het bedrijf wil een repository voor deze beoordelingen die gesynchroniseerd blijft voor zowel batchtraining als real-time inferentie. Welke oplossing voldoet aan deze vereiste?

SageMaker Feature Store is de meest geschikte oplossing omdat het een gespecialiseerde repository is voor het opslaan, bijhouden en delen van machine learning-features voor zowel training als inferentie. Het ondersteunt het opnemen van gegevens uit S3 en zorgt voor consistentie tussen batch- en real-time gebruik, wat cruciaal is voor het gesynchroniseerd houden van de beoordelingen. Het toepassen van tags en indexen verbetert de vindbaarheid en het beheer van features. Amazon Athena is een queryservice en geen feature store; het kan gegevens groeperen, maar biedt geen ingebouwde mechanismen voor het synchroniseren van features voor real-time inferentie. AWS Lake Formation richt zich op beveiliging en governance van data lakes, niet primair op het opslaan en synchroniseren van features voor ML-workflows. SageMaker Data Wrangler's Generate Data Insights is een tool voor data-exploratie en -voorbereiding, niet voor het opslaan van features.