Firma potrzebuje inżynierii cech, agregacji i przygotowania danych, a następnie rozwiązania AWS do przetwarzania i przechowywania wynikowych cech. Które podejście spełnia te potrzeby?

Prawidłowa odpowiedź to użycie Amazon SageMaker Feature Processing do przetwarzania i pozyskiwania danych oraz SageMaker Feature Store do zarządzania i przechowywania cech. SageMaker Feature Processing to narzędzie do inżynierii cech, agregacji i przygotowania danych, które jest ściśle zintegrowane z SageMaker Feature Store. Feature Store to dedykowane repozytorium do przechowywania, udostępniania i zarządzania cechami, zapewniające spójność między treningiem a wnioskowaniem. Nieprawidłowe opcje: Amazon SageMaker Model Monitor służy do monitorowania dryfu danych i wydajności modelu, a nie do inżynierii cech i przechowywania. Przechowywanie cech w Amazon S3 w formacie JSON jest możliwe, ale Feature Store oferuje znacznie więcej funkcji zarządzania. Amazon Managed Service for Apache Flink jest narzędziem do przetwarzania strumieniowego, które może być używane do transformacji danych, ale nie jest podstawowym rozwiązaniem do inżynierii cech i pozyskiwania danych w kontekście SageMaker. Zadanie transformacji wsadowej Amazon SageMaker służy do wnioskowania wsadowego, a nie do inżynierii cech. Amazon DynamoDB jest bazą danych NoSQL, która może przechowywać cechy, ale Feature Store jest zoptymalizowany pod kątem zarządzania cechami dla ML.