某個機器學習專案的所有原始資料都儲存在 Amazon S3 中。一位機器學習工程師必須在 AWS 上建置資料擷取管道和模型部署管道。這位工程師應該使用哪些服務組合？

正確答案是使用 AWS Glue 建置資料擷取管道，並使用 Amazon SageMaker Studio Classic 建立模型部署管道。AWS Glue 是一種無伺服器資料整合服務，非常適合從 Amazon S3 擷取、轉換和載入（ETL）資料，以準備用於機器學習訓練。它能處理各種資料格式，並自動生成 ETL 程式碼。Amazon SageMaker Studio Classic 是一個基於網頁的整合式開發環境 (IDE)，提供機器學習開發所需的所有工具，包括模型訓練、部署和管理。 其他選項不正確的原因： Amazon Kinesis Data Firehose 主要用於即時串流資料的擷取，而非靜態儲存在 S3 中的原始資料。 Amazon Redshift ML 專注於在 Redshift 資料倉儲中進行機器學習，而不是作為通用的資料擷取服務。 Amazon Athena 是一種互動式查詢服務，用於分析 S3 中的資料，但它本身不提供建立資料擷取管道的 ETL 功能。Amazon SageMaker 筆記本可以用於模型部署，但 Studio Classic 提供更全面的開發和管理環境。