Parmi les associations suivantes entre un service AWS d'analyse, de machine learning ou destiné aux développeurs et son rôle, lesquelles sont correctes ? (Choisissez DEUX réponses.)
Question demandant de sélectionner les deux associations correctes entre des services d'analyse, de ML et les développeurs et leurs rôles.
Amazon Athena — exécute des requêtes SQL standard directement sur les données stockées dans Amazon S3.
Cette réponse est correcte. Amazon Athena est un service sans serveur qui exécute des requêtes SQL standard directement sur les données stockées dans Amazon S3.
Amazon SageMaker — service BI qui visualise les données à l'aide de graphiques et de tableaux de bord.
Cette réponse est incorrecte. La visualisation des données et le partage de tableaux de bord sont le rôle d'Amazon QuickSight (service BI).
Amazon SageMaker est une plateforme ML dédiée à la création, l'entraînement et le déploiement de modèles de machine learning. L'association est incorrecte.
Amazon Kinesis — collecte et traite les données de streaming en temps réel.
Cette réponse est correcte. Amazon Kinesis est un service dédié à la collecte et au traitement des données de streaming en temps réel.
AWS Glue — plateforme d'entraînement et de déploiement de modèles de machine learning.
Cette réponse est incorrecte. La création, l'entraînement et le déploiement de modèles de machine learning sont le rôle d'Amazon SageMaker.
AWS Glue est un service ETL (extraction, transformation et chargement). La description est incorrecte.
Amazon Kinesis — plateforme d'analyse par lots qui traite des données stockées en masse pendant la nuit.
Cette réponse est incorrecte. Amazon Kinesis est une plateforme de streaming qui ingère et traite en temps réel les données générées en continu.
Traiter des données stockées en masse pendant la nuit décrit un traitement par lots, ce qui est à l'opposé de la caractéristique fondamentale de Kinesis : le streaming en temps réel.
Associations : Athena = SQL sur S3 / Kinesis = streaming / Glue = ETL / QuickSight = visualisation (BI) / SageMaker = machine learning. Distinguer le rôle de chaque service dans un pipeline d'analyse.