Репозиторий набора данных в S3 содержит персональные данные (PII), которые необходимо удалить перед обучением модели. Какой вариант минимизирует усилия по разработке для удаления PII из данных?

AWS Glue DataBrew — это бессерверный сервис подготовки данных, который предоставляет более 300 встроенных преобразований, включая обнаружение и маскирование PII. Это минимизирует усилия по разработке, поскольку не требует написания пользовательского кода. Amazon SageMaker Data Wrangler также предлагает преобразования, но для обнаружения и удаления PII может потребоваться пользовательское преобразование, что увеличивает усилия. Создание пользовательской функции AWS Lambda требует значительных усилий по разработке и обслуживанию кода. Использование конечной точки разработки AWS Glue с пользовательским кодом в ноутбуке также требует написания и отладки кода, что менее эффективно, чем использование готовых функций DataBrew.