Firma zajmująca się strumieniowaniem muzyki przesyła oceny utworów do zasobnika S3 i posiada katalog AWS Glue Data Catalog wskazujący na ten zasobnik. Firma potrzebuje repozytorium dla tych ocen, które pozostaje zsynchronizowane zarówno dla trenowania wsadowego, jak i wnioskowania w czasie rzeczywistym. Które rozwiązanie spełnia to wymaganie?

Pobieranie danych do SageMaker Feature Store jest prawidłową odpowiedzią, ponieważ Feature Store jest zaprojektowany do przechowywania i udostępniania cech (ang. features) dla modeli uczenia maszynowego, zapewniając spójność danych zarówno dla trenowania wsadowego, jak i wnioskowania w czasie rzeczywistym. Umożliwia również indeksowanie i tagowanie cech, co ułatwia ich zarządzanie i wyszukiwanie. Użycie Amazon Athena z CTAS jest nieodpowiednie, ponieważ Athena jest usługą zapytań, a nie repozytorium cech, i nie zapewnia spójności danych dla wnioskowania w czasie rzeczywistym. AWS Lake Formation służy do zarządzania bezpieczeństwem i dostępem do jeziora danych, a nie do przechowywania cech dla ML. SageMaker Data Wrangler służy do przygotowywania danych, a nie do ich przechowywania i synchronizacji dla trenowania i wnioskowania.