Компании требуется решение для аудита, которое может анализировать метаданные на уровне признаков, генерировать отчеты об этих метаданных и позволять устанавливать конфиденциальность и авторство признаков. Какой вариант отвечает этим требованиям с наименьшими усилиями по разработке?

Правильный ответ — создание групп признаков в SageMaker Feature Store, прикрепление метаданных к каждому признаку и использование Amazon QuickSight для анализа и отчетов. SageMaker Feature Store позволяет хранить метаданные на уровне признаков, включая конфиденциальность и авторство, напрямую в группах признаков, что минимизирует усилия по разработке. QuickSight — это мощный инструмент для визуализации и анализа данных, который легко интегрируется с данными из Feature Store, позволяя создавать отчеты без дополнительной разработки. Неправильные варианты: Создание пользовательского конвейера данных и хранение метаданных в DynamoDB требует значительно больших усилий по разработке и управлению. Использование SageMaker Studio для проверки метаданных не обеспечивает функциональность отчетности, требуемую заданием. Применение пользовательских алгоритмов в SageMaker Feature Store для анализа метаданных не является стандартной функцией и требует значительных усилий по разработке.