Inżynier ML musi załadować dane historyczne bezpośrednio do SageMaker z Amazon S3, Amazon Athena i Snowflake, aby zbudować modele. Jakiego narzędzia powinien użyć do odpytywania i importowania tych źródeł do SageMaker?

SageMaker Data Wrangler to dedykowane narzędzie w SageMaker, zaprojektowane do agregowania i przygotowywania danych z różnych źródeł, w tym Amazon S3, Amazon Athena i Snowflake. Umożliwia wizualne przygotowanie danych i importowanie ich bezpośrednio do SageMaker do budowy modeli. AWS Glue DataBrew jest narzędziem do przygotowywania danych, ale nie jest podstawowym narzędziem do bezpośredniego importowania danych z wielu źródeł do SageMaker w taki sam sposób jak Data Wrangler. SageMaker Pipelines służy do orkiestracji przepływów pracy ML, a AWS DataSync do transferu danych, nie do bezpośredniego odpytywania i importowania danych z tych konkretnych źródeł do SageMaker. SageMaker Feature Store służy do przechowywania i udostępniania cech, a nie do początkowego odpytywania i importowania surowych danych z zewnętrznych źródeł do SageMaker.