某銀行有 10 年的客戶資料，以 CSV 檔案形式儲存在地端。資料科學團隊希望在 SageMaker 中建立生產模型之前，能以最少的開發工作快速執行轉換並探索資料。哪種方法能最大限度地減少工作量並實現快速轉換和洞察？

正確答案是將 CSV 檔案上傳到 Amazon S3 儲存桶，授予 SageMaker 存取權限，然後將資料匯入 SageMaker Data Wrangler 進行轉換和探索。這是因為 Data Wrangler 旨在簡化資料準備和特徵工程，它需要從 S3 讀取資料。將資料上傳到 S3 是將地端資料引入 AWS 生態系統的標準且高效的方式，並允許 SageMaker 服務安全地存取。直接上傳到 Data Wrangler 主控台並非標準做法，且可能對大型檔案造成限制。將資料儲存到第二個 S3 儲存桶或使用 QuickSight/SageMaker Studio 筆記本獲取洞察是後續步驟，但不是最少工作量來快速轉換和探索資料的初始步驟。