FinCorp uruchamia potok wykrywania oszustw w AWS. Utworzono wiele SageMaker Feature Groups z włączonym offline store, aby utrwalić historyczne wartości cech w S3. Analitycy danych muszą generować zestawy danych treningowych, które łączą rekordy transakcji (CSV w S3 z transaction_timestamp) z poprawnymi historycznymi wartościami cech z każdego czasu transakcji, używając SQL w Athena. Jaka konfiguracja i krok niezawodnie umożliwi wydajne, poprawne łączenie historycznych sygnatur czasowych cech dla dużych eksportów treningowych?

Poprawna odpowiedź umożliwia efektywne łączenie historycznych danych cech z danymi transakcyjnymi w Athena. Włączenie offline store z DataCatalogConfig tworzy tabelę Glue, która reprezentuje dane cech w S3, co pozwala na zapytania SQL. Kluczowe jest skonfigurowanie recordidentifiercolumn i eventtimefeaturename, ponieważ te pola są używane do prawidłowego łączenia danych. Zapytanie SQL z warunkiem eventtime <= transactiontimestamp i przycinaniem partycji zapewnia, że dla każdej transakcji pobierane są tylko historyczne wartości cech, co jest kluczowe dla prawidłowego treningu modeli. Uprawnienia do Glue i S3 są niezbędne do odczytu danych. Pozostałe opcje są nieprawidłowe: Zachowanie tylko online store jest nieefektywne dla dużych zestawów danych treningowych ze względu na limity przepustowości i opóźnienia pojedynczych wywołań GetRecord. Użycie SageMaker Batch Transform do wywoływania API featurestore-runtime jest również nieefektywne i kosztowne dla dużych zbiorów danych historycznych, ponieważ online store jest przeznaczony do pobierania pojedynczych rekordów w czasie rzeczywistym, a nie do masowego eksportu historycznego. Konfiguracja Glue crawlera bez DataCatalogConfig podczas tworzenia FeatureGroup nie zapewni optymalnej struktury tabeli dla zapytań historycznych i może prowadzić do nieprawidłowego wnioskowania schematu lub partycjonowania.