После агрегирования данных инженеру машинного обучения требуется автоматизированный способ обнаружения аномалий в наборе данных и визуализации результатов. Какое решение удовлетворяет обоим требованиям?

Amazon SageMaker Data Wrangler — это универсальный инструмент для подготовки данных, который позволяет быстро агрегировать, подготавливать и анализировать данные для машинного обучения. Он включает встроенные преобразования для обнаружения аномалий и предлагает интерактивные визуализации, что позволяет инженеру машинного обучения легко обнаруживать аномалии и визуализировать их в одном и том же интерфейсе. Amazon Athena и Amazon Redshift Spectrum — это сервисы для запросов данных, но они не имеют встроенных функций автоматического обнаружения аномалий или инструментов визуализации. AWS Batch предназначен для выполнения пакетных заданий и не предоставляет встроенных возможностей для обнаружения аномалий или визуализации. Хотя Amazon QuickSight является отличным инструментом для визуализации, он не выполняет автоматическое обнаружение аномалий.