Uma empresa de varejo atualmente tem operadores que classificam manualmente as reclamações de clientes em categorias e armazenam cada registro de reclamação (incluindo sua categoria) em um banco de dados central. A empresa não possui uma equipe de ciência de dados e precisa de uma solução que não exija experiência em machine learning para atribuir categorias automaticamente e rotear as reclamações recebidas para filas. Qual abordagem atende a essas restrições?

A opção correta é usar a classificação personalizada do Amazon Comprehend. O Comprehend é um serviço de NLP totalmente gerenciado que não exige experiência em machine learning. Ele pode treinar um classificador personalizado usando dados históricos de reclamações (texto e categoria) fornecidos em um CSV, e a API pode ser facilmente integrada para prever categorias de novas reclamações. As outras opções são incorretas porque: Amazon SageMaker Object2Vec e LDA exigem conhecimento de ML para treinamento e implantação, o que vai contra a restrição de "não exigir experiência em machine learning". Amazon Textract é usado para extrair texto de documentos e imagens, não para extrair dados de um banco de dados, e não é necessário para o cenário descrito.