Bir müzik akışı şirketi, şarkı derecelendirmelerini bir S3 bucket'ına aktarır ve bu bucket'ı işaret eden bir AWS Glue Data Catalog'a sahiptir. Şirket, hem toplu eğitim hem de gerçek zamanlı çıkarım için senkronize kalan bu derecelendirmeler için bir depolama alanı istiyor. Hangi çözüm bu gereksinimi karşılar?

Doğru seçenek, verileri S3 bucket'ından SageMaker Feature Store'a alıp etiketler ve indeksler uygulamaktır. SageMaker Feature Store, makine öğrenimi (ML) özelliklerini depolamak, yönetmek ve paylaşmak için özel olarak tasarlanmış, tam olarak yönetilen bir depodur. Hem toplu eğitim hem de gerçek zamanlı çıkarım için özelliklerin tutarlı bir şekilde kullanılmasını sağlayarak senkronizasyon sorununu çözer. Etiketler ve indeksler, özelliklerin kolayca aranmasına ve yönetilmesine yardımcı olur. Diğer seçenekler bu gereksinimi karşılamaz: Amazon Athena, S3'teki verileri sorgulamak için kullanılır ancak özellik depolama ve senkronizasyon yetenekleri sunmaz. CTAS sorguları veri dönüştürme için olsa da, özellik depolama çözümünün yerini tutmaz. AWS Lake Formation, veri gölleri üzerinde güvenlik ve erişim kontrolü sağlar ancak özellik depolama veya gerçek zamanlı çıkarım için tasarlanmamıştır. SageMaker Data Wrangler'daki Generate Data Insights, veri keşfi ve ön işleme için kullanılır, ancak bir özellik depolama çözümü değildir.