Uma empresa deseja detectar quais casas possuem painéis solares a partir de imagens de satélite. Eles coletaram 8.000 imagens de treinamento e usarão o SageMaker Ground Truth para rotulagem. A equipe interna é pequena e não tem experiência em ML. Qual fluxo de trabalho exige o menor esforço dessa equipe?

A opção correta minimiza o esforço da equipe interna, que é pequena e sem experiência em ML. O Ground Truth com aprendizado ativo reduz significativamente o volume de rotulagem manual, pois o modelo aprende a rotular automaticamente após algumas interações. O Amazon Rekognition Custom Labels é uma solução de ML sem código que permite treinar modelos personalizados sem a necessidade de conhecimento em ML, simplificando o treinamento e a hospedagem. As opções incorretas aumentam o esforço da equipe: Rotular manualmente 8.000 imagens é um esforço grande. Usar o algoritmo de detecção de objetos do SageMaker exige conhecimento em ML para configurar, treinar e otimizar o modelo, além de gerenciar a infraestrutura. Usar uma força de trabalho pública é uma opção válida para rotulagem, mas não é a que exige o menor esforço da equipe interna, que é o foco da pergunta.