Een retailer slaat dagelijks 100 GB aan transactionele gegevens op in S3 en moet het gegevensschema detecteren, transformaties uitvoeren op de S3-gegevens en ML gebruiken om fraude te detecteren, alles met minimale operationele overhead. Welke combinatie van services moeten ze gebruiken? (Kies er drie.)

AWS Glue crawlers zijn ideaal voor het automatisch ontdekken van het schema van gegevens die zijn opgeslagen in S3 en het vullen van de AWS Glue Data Catalog, wat de operationele overhead minimaliseert. AWS Glue workflows en jobs bieden een serverloze manier om ETL-taken (Extract, Transform, Load) uit te voeren op grote datasets in S3, wat perfect is voor de vereiste transformaties. Amazon Fraud Detector is een volledig beheerde service die specifiek is ontworpen voor fraudedetectie, waardoor het trainen en implementeren van ML-modellen voor dit doel eenvoudig en efficiënt wordt zonder diepgaande ML-expertise. Amazon Athena kan schema's afleiden, maar crawlers zijn efficiënter voor geautomatiseerde schema-ontdekking. Amazon Redshift stored procedures zijn niet geschikt voor transformaties van gegevens in S3; Redshift is een datawarehouse. Amazon Redshift ML is voor het trainen van modellen binnen Redshift, niet voor het bouwen van een fraudedetectiemodel als een aparte service.