一位 ML 工程師必須建立一個管道，用於從 PB 級的非結構化資料中發現並移除 PII，然後使用清理後的資料來訓練 SageMaker 模型。哪種解決方案可以大規模地滿足此要求？

正確答案是使用 AWS Glue 互動式會話中的 Apache Spark 無伺服器引擎並應用 Detect PII 轉換。AWS Glue 互動式會話提供了一個可擴展的無伺服器 Spark 環境，非常適合處理 PB 級的非結構化資料。其內建的 Detect PII 轉換功能專為大規模識別和移除個人身份資訊 (PII) 而設計，能有效滿足合規性要求。 其他選項不適合此情境： Amazon SageMaker Canvas 和 AWS Glue Data Wrangler 主要用於資料準備和特徵工程，但對於 PB 級非結構化資料的 PII 偵測和移除，其擴展性和專用功能不如 AWS Glue 的 Detect PII 轉換。 Amazon SageMaker Clarify 專注於模型可解釋性和偏差偵測，而非資料中的 PII 偵測和移除。 Amazon Comprehend 的 DetectEntities API 雖然可以偵測實體，但它主要用於自然語言處理，且不直接提供大規模 PII 移除功能，也無法直接處理 PB 級的非結構化資料。