Je hebt CSV-bestanden in Amazon S3 die een tijdstempelkolom bevatten, geformatteerd als: March 1st, 2020, 08:14pm. Je vermoedt dat de weekdag, maand en het uur de doelvariabele beïnvloeden, dus je moet drie nieuwe features (dag van de week, maand, uur) aan de dataset toevoegen. Welke aanpak voegt deze features toe en vereist de minste operationele overhead om een nieuw bestand in S3 te produceren?

De correcte optie is Amazon SageMaker Data Wrangler omdat het een visuele interface biedt voor data-voorbereiding en ingebouwde transformaties heeft, zoals 'Featurize date/time', die direct de gewenste features (dag van de week, maand, uur) kunnen extraheren. Dit minimaliseert de operationele overhead omdat er geen code geschreven hoeft te worden voor de transformatie zelf en het beheer van infrastructuur is volledig geabstraheerd. De andere opties vereisen het schrijven van code (PySpark, Python, of Glue-script) en/of het beheren van infrastructuur (EMR-cluster, Glue-job), wat meer operationele overhead met zich meebrengt dan de no-code aanpak van Data Wrangler voor deze specifieke taak.