Компания собирает данные с датчиков (температура, давление и т. д.) для прогнозирования отказов оборудования. Перед обучением специалист по машинному обучению должен обнаружить и удалить выбросы с минимальными операционными издержками. Какой подход соответствует этому требованию с наименьшими усилиями?

Использование визуализации обнаружения аномалий Amazon SageMaker Data Wrangler — это наиболее эффективный способ обнаружения и удаления выбросов с минимальными операционными издержками. Data Wrangler предоставляет встроенные инструменты для визуализации данных и обнаружения аномалий, что позволяет быстро выявить выбросы. После их обнаружения можно легко добавить преобразование в поток Data Wrangler для автоматического удаления этих значений. Загрузка данных в ноутбук SageMaker Studio и ручной расчет квартилей требует больше усилий и времени. Отчет о смещении SageMaker Data Wrangler предназначен для выявления смещений в данных, а не для обнаружения выбросов. Amazon Lookout for Equipment — это сервис для мониторинга оборудования и прогнозирования отказов, а не для предварительной обработки данных и удаления выбросов.