Bir şirket, ekipman arızalarını tahmin etmek için sensör verileri (sıcaklık, basınç vb.) toplar. Eğitimden önce, ML uzmanının minimum operasyonel yük ile aykırı değerleri tespit etmesi ve kaldırması gerekir. Hangi yaklaşım bu gereksinimi en az çabayla karşılar?

Doğru cevap, SageMaker Data Wrangler'ın anomali tespit görselleştirmesini kullanmak ve ardından bu anomalileri kaldırmak için bir dönüşüm eklemektir. Data Wrangler, minimum operasyonel yük ile aykırı değerleri tespit etmek ve kaldırmak için yerleşik araçlar sunar. Anomali tespiti görselleştirmeleri, aykırı değerleri hızlı bir şekilde belirlemenize olanak tanır ve ardından Data Wrangler akışına ekleyeceğiniz bir dönüşümle bunları kolayca kaldırabilirsiniz. Diğer seçenekler daha fazla manuel çaba gerektirir veya bu kullanım durumu için uygun değildir: SageMaker Studio not defterinde çeyrekleri manuel olarak hesaplamak zaman alıcıdır ve daha yüksek operasyonel yük getirir. SageMaker Data Wrangler bias raporu, aykırı değer tespiti için değil, veri kümesindeki yanlılıkları (bias) analiz etmek için tasarlanmıştır. Amazon Lookout for Equipment, ekipman arızalarını tahmin etmek için tasarlanmış yönetilen bir hizmettir, ancak doğrudan aykırı değer tespiti ve kaldırma için bir veri ön işleme aracı olarak kullanılmaz.