一位 ML 工程師需要將歷史資料直接從 Amazon S3、Amazon Athena 和 Snowflake 載入到 SageMaker 中以建置模型。他們應該使用哪種工具來查詢這些來源並將其匯入 SageMaker？

SageMaker Data Wrangler 專為簡化資料準備和特徵工程而設計，它支援直接從 Amazon S3、Amazon Athena 和 Snowflake 等多種來源查詢和匯入資料。這使得 ML 工程師能夠在 SageMaker 環境中高效地整合和準備用於模型建置的歷史資料。 AWS Glue DataBrew 雖然也是資料準備工具，但其主要功能是視覺化資料清理和轉換，而非直接將查詢結果匯入 SageMaker。SageMaker Pipelines 用於協調 ML 工作流程，AWS DataSync 用於資料傳輸，但它們本身不具備從這些來源查詢資料的功能。SageMaker Feature Store 用於儲存和管理特徵，但需要其他工具（例如 Apache Spark 連接器）來將資料擷取到其中，這比 Data Wrangler 的整合式方法更複雜。