Bir şirket, tahmin etmek istedikleri bir hedef değişken içeren bir S3 veri kümesini sorgulamak için Amazon Athena'yı kullanıyor. Bir modelin hedefi minimum geliştirme çabasıyla başarılı bir şekilde tahmin edip edemeyeceğini belirlemeleri gerekiyor. Bu bilgiyi en az çabayla hangi seçenek sağlar?

Doğru cevap, Amazon SageMaker Autopilot'u kullanmaktır çünkü bu hizmet, makine öğrenimi modellerini otomatik olarak oluşturur, ayarlar ve değerlendirir. Veri bilimcilerin veya mühendislerin manuel olarak model seçimi, özellik mühendisliği veya hiperparametre ayarlaması yapmasına gerek kalmadan en iyi performans gösteren modeli bulur. Bu, minimum geliştirme çabasıyla bir modelin hedef değişkeni tahmin edip edemeyeceğini hızlıca belirlemek için idealdir. Diğer seçenekler neden yanlış: Özel ön işleme kodu yazmak ve EC2 üzerinde çoklu doğrusal regresyon uygulamak, önemli ölçüde manuel çaba ve uzmanlık gerektirir, bu da "minimum çaba" hedefine aykırıdır. Amazon Macie, veri keşfi ve hassas veri koruması için tasarlanmış bir güvenlik hizmetidir, model oluşturma veya değerlendirme yetenekleri yoktur. Amazon Bedrock, temel modelleri (Foundation Models) kullanır ve ince ayar gerektirir, ancak SageMaker Autopilot, belirli bir hedef değişkeni tahmin etmek için uçtan uca otomatik bir çözüm sunarak daha az çaba gerektirir.