Um fabricante tem meses de telemetria de sensores e rótulos de inspeção manual em um data lake. Eles precisam de um modelo automatizado que classifique cada produto como de boa qualidade, qualidade para o mercado de reposição ou sucata, com base nos rótulos de inspeção. Qual abordagem de modelagem tem maior probabilidade de fornecer as previsões mais precisas para este problema de classificação supervisionada multiclasse?

O algoritmo Amazon SageMaker XGBoost é o mais adequado porque é um algoritmo de classificação supervisionada multiclasse robusto e de alto desempenho, ideal para dados tabulares como telemetria de sensores. Ele constrói um conjunto de árvores de decisão que, combinadas, fornecem previsões precisas. O Amazon SageMaker DeepAR é para previsão de séries temporais, não classificação. O Amazon SageMaker Latent Dirichlet Allocation (LDA) é para modelagem de tópicos em texto, não para dados de sensores. Uma rede neural convolucional (CNN) como a ResNet é excelente para dados de imagem, mas não é a escolha mais eficiente ou apropriada para dados tabulares de telemetria.