Um varejista tem 1.000 avaliações de clientes (cada uma rotulada para preocupações com durabilidade) e muitas avaliações contêm campos vazios. A equipe deve construir um modelo para detectar avaliações que mencionam a durabilidade do produto e tê-lo pronto em 2 dias. Qual abordagem é a maneira mais direta de atender a esse requisito de 2 dias?

A abordagem mais direta é treinar um classificador de texto personalizado usando o Amazon Comprehend. O Comprehend é um serviço de NLP totalmente gerenciado que permite criar classificadores personalizados com um conjunto de dados relativamente pequeno (1.000 avaliações rotuladas) e em um curto espaço de tempo, ideal para o prazo de 2 dias. Implementar uma rede neural recorrente (RNN) no SageMaker com Gluon e MXNet, ou treinar um modelo BlazingText no SageMaker, ou usar um modelo sequence-to-sequence no SageMaker, exigiria mais tempo para configuração, desenvolvimento de código, treinamento e ajuste, o que não seria viável dentro do prazo de 2 dias, especialmente para uma equipe que precisa de uma solução rápida.