1.2SageMaker のデータ準備ツール

AWS では Amazon SageMaker の各機能でデータ準備を効率化できます。視覚的な準備・特徴量の再利用・大規模処理を使い分けます。

1.2.1準備ツールの使い分け

• Data Wrangler：視覚的にデータをクレンジング/変換できる（多数の組み込み変換）。ローコードで素早く準備。
• Feature Store：特徴量を保存・共有・再利用する。オンライン（低遅延推論用）とオフライン（学習用）がある。
• Processing ジョブ / Glue：大規模なバッチ変換を Spark/スクリプトで実行する。

SageMaker のデータ準備は規模と用途で使い分けます。Data Wrangler は SageMaker Studio 上で視覚的にクレンジング/変換でき（300以上の組み込み変換・データ品質/バイアスのインサイト）、フローをそのまま Processing ジョブ・パイプライン・Feature Store へ書き出せます。再利用と一貫性の要が Feature Store で、低遅延のリアルタイム推論向けの オンラインストア と、学習/バッチ向けの オフラインストア（S3）を持ち、同じ特徴量定義を学習と推論で共有して training-serving skew を防ぎます。大規模なバッチ変換は Processing ジョブ（Spark/独自スクリプト・コンテナ）や AWS Glue が適し、前章の ETL 基盤と連携します。スポット的な探索は Studio ノートブック、定常運用は SageMaker Pipelines に組み込みます。判断軸は「視覚的・ローコード＝Data Wrangler」「特徴量の保存・共有・一貫性＝Feature Store」「大規模バッチ＝Processing/Glue」。SageMaker Clarify（次節）と組み合わせて品質・バイアスも担保します。

1.2.2この節のまとめ

• Data Wrangler（視覚的準備）／Feature Store（特徴量再利用）／Processing・Glue（大規模）
• Feature Store で training-serving skew を防止