某公司將建立多個 ML 預測模型。訓練資料儲存在 Amazon S3 中，完整資料集大於 5 TB，包含 CSV、JSON、Parquet 和文字檔案。資料必須經過多個循序處理步驟，其中包括複雜的轉換和一些 NLP 工作，這些工作可能需要數小時才能執行。整個過程必須自動化。哪種解決方案符合這些需求？

正確答案是使用 Amazon SageMaker Pipelines 工作流程，並使用 Amazon EventBridge 觸發/自動化管道。SageMaker Pipelines 專為建構、管理和自動化機器學習工作流程而設計，能處理複雜的循序步驟、大型資料集（透過與 SageMaker 處理任務整合）以及 NLP 工作。EventBridge 可用於排程或觸發管道的自動執行。 Amazon SageMaker Data Wrangler 專注於資料準備，但對於複雜的循序處理和 NLP 工作流程的自動化編排能力較弱。Amazon SageMaker 筆記本適合互動式開發和實驗，但不適合自動化、生產級的循序工作流程。AWS Lambda 函數有執行時間限制（預設 15 分鐘），不適合需要數小時才能完成的複雜轉換和 NLP 工作，且自行編排多個 Lambda 函數會增加複雜性。