Музыкальной стриминговой компании требуется конвейер признаков, который хранит признаки для офлайн-обучения и для онлайн-вывода, сохраняет историю признаков и предоставляет специалистам по данным доступ с возможностью поиска. Какой вариант удовлетворяет этим потребностям с наименьшими операционными издержками?

Amazon SageMaker Feature Store специально разработан для управления признаками для машинного обучения, предлагая онлайн-хранилище для низколатентного онлайн-вывода и офлайн-хранилище для обучения моделей и анализа данных. Он автоматически управляет историей признаков и предоставляет возможности поиска, что соответствует всем требованиям. Управление доступом через IAM позволяет легко контролировать, кто может получать доступ к группам признаков и искать их. Использование единого онлайн-хранилища для обучения и вывода (второй вариант) неоптимально, так как офлайн-обучение обычно требует больших объемов данных, которые неэффективно хранить в дорогостоящем онлайн-хранилище. Решения на основе S3 или DynamoDB (третий и четвертый варианты) требуют значительных операционных усилий для версионирования, управления историей, обеспечения поиска и интеграции с SageMaker, что увеличивает операционные издержки по сравнению с готовым решением Feature Store.