當為 SageMaker 內建演算法準備 CSV 訓練資料時，將資料集轉換為 numpy.array 降低了訓練速度。您應該怎麼做才能優化 SageMaker 內建演算法的訓練資料？

將資料集轉換為 RecordIO protobuf 格式是優化 SageMaker 內建演算法訓練資料的最佳方法。SageMaker 內建演算法通常針對此格式進行了優化，因為它能有效率地處理大型資料集，並支援分散式訓練，從而顯著提高訓練速度。 使用 SageMaker batch transform 將訓練資料轉換為 DataFrame 並不直接優化訓練資料本身的格式，且 DataFrame 並非 SageMaker 內建演算法的最佳輸入格式。使用 AWS Glue 將資料壓縮為 Apache Parquet 格式雖然能有效儲存資料，但 SageMaker 內建演算法通常不直接以 Parquet 格式進行訓練，仍需轉換。SageMaker 超參數優化是用於調整模型超參數以提高模型性能，而不是用於優化訓練資料的格式。