Nadat de ML-engineer de gegevens heeft geaggregeerd, heeft deze een geautomatiseerde manier nodig om afwijkingen in de dataset te detecteren en de bevindingen te visualiseren. Welke oplossing voldoet aan beide vereisten?

Amazon SageMaker Data Wrangler is de juiste keuze omdat het een geïntegreerde service is die zowel geautomatiseerde detectie van afwijkingen als visualisatie van de resultaten ondersteunt. Het biedt ingebouwde transformaties en analyses, waaronder afwijkingsdetectie, en stelt gebruikers in staat om de bevindingen direct binnen de interface te visualiseren. Amazon Athena is een queryservice en biedt geen ingebouwde geautomatiseerde afwijkingsdetectie of visualisatiemogelijkheden. Amazon Redshift Spectrum is een functie van Redshift voor het bevragen van data in S3 en biedt geen afwijkingsdetectie; QuickSight kan visualiseren, maar de detectie ontbreekt. AWS Batch is een service voor het uitvoeren van batchtaken en biedt geen ingebouwde afwijkingsdetectie of visualisatie.