一位 ML 工程師必須確保資料集符合 PII 法規，並防止 SageMaker 訓練實例使用任何 PII。哪種解決方案在操作上最有效率？

此解決方案操作上最有效率，因為 Amazon Comprehend DetectPiiEntities 專為識別和編輯 PII 而設計，這正是法規遵循的關鍵步驟。將編輯後的資料儲存在 Amazon S3 中，可提供高度可擴展且持久的儲存，並能與 SageMaker 無縫整合，因為 SageMaker 原生支援從 S3 讀取訓練資料。其他選項雖然可能處理 PII，但在操作效率或整合性方面不如此選項。例如，將資料儲存在 EFS 並掛載到 SageMaker 實例會增加額外的管理複雜性，且對於大規模資料集而言，可能不如 S3 經濟高效。AWS Glue DataBrew 雖可用於資料清理，但 Comprehend 更專精於 PII 偵測。Amazon Macie 主要用於 PII 發現，而非自動移除，且其整合流程可能不如 Comprehend 和 S3 的組合直接。