Makine öğrenimi eğitimi için kullanacağınız bir CSV veri setini S3'te aldınız. Eğitimden önce eksik veya geçersiz değerleri bulmalı ve en az operasyonel çabayla aykırı değerleri saymalısınız. Bu gereksinimi hangi yaklaşım karşılar?

Doğru cevap, en az operasyonel çabayla eksik/geçersiz değerleri bulma ve aykırı değerleri sayma gereksinimini karşılar. SageMaker Data Wrangler, veri kalitesi sorunlarını otomatik olarak analiz eden ve görselleştiren bir Data Quality and Insights raporu sunar. Bu, özellikle aykırı değerleri tespit etmek ve eksik verileri belirlemek için tasarlanmıştır. CSV formatında tutmak, dönüştürme işleminden kaçınarak çabayı azaltır. Diğer seçenekler: CSV'yi Parquet'e dönüştürmek ve Athena kullanmak ek bir dönüştürme adımı gerektirir ve Athena, Data Wrangler'ın sunduğu otomatik veri kalitesi raporlama yeteneklerine sahip değildir. Veriyi CSV olarak tutmak ve Athena kullanmak, dönüştürme adımını ortadan kaldırsa da, Athena'nın manuel SQL sorguları gerektirmesi nedeniyle Data Wrangler'a göre daha fazla operasyonel çaba gerektirir. CSV'yi Parquet'e dönüştürmek ve ardından Data Wrangler kullanmak, gereksiz bir dönüştürme adımı ekleyerek operasyonel çabayı artırır; Data Wrangler CSV'yi doğrudan işleyebilir.