MLA-C02：AWS Certified Machine Learning Engineer - Associate ML・AI のためのデータ準備 問3
ML・AI のためのデータ準備／データ変換・特徴量エンジニアリング・前処理学習前のデータについて、欠損値処理・エンコーディング・スケーリングなどの変換と特徴量エンジニアリングを、ビジュアルな操作で素早く行い ML 用に準備したいと考えています。最も適切なのはどれですか。
当サイトのオリジナル問題（MLA-C02：AWS Certified Machine Learning Engineer - Associateの出題範囲「ML・AI のためのデータ準備」に対応。実際の試験問題ではありません）
- AAmazon QuickSight で特徴量エンジニアリングを行う
- BAmazon CloudTrail のログから特徴量を生成する
- CAmazon SageMaker Data Wrangler（または AWS Glue DataBrew）で、ビジュアルにデータ変換・特徴量エンジニアリングを行う
- DAmazon Macie で特徴量を生成する
正解：C
解説
Amazon SageMaker Data Wrangler（および AWS Glue DataBrew）は、欠損値処理・エンコーディング・スケーリングなどのデータ変換や特徴量エンジニアリングを、ビジュアルな操作で素早く行える ML 向けのツールです。QuickSight は可視化、CloudTrail は API 監査、Macie は機密データ検出が目的です。
下線の用語は 用語集 で意味を確認できます。
選択肢ごとの解説
- A誤り。QuickSight は BI 可視化ツールで、特徴量エンジニアリングの基盤ではありません。
- B誤り。CloudTrail は API 監査記録で、特徴量生成には使いません。
- C正しい。SageMaker Data Wrangler／Glue DataBrew でビジュアルに変換・特徴量エンジニアリングができます。
- D誤り。Macie は機密データ検出が目的で、特徴量生成は行いません。