Uma empresa já coleta postagens de mídias sociais em um bucket S3 e precisa de uma solução rápida para avaliar o sentimento, visualizar tendências e configurar alertas com o mínimo de infraestrutura e esforço de ciência de dados. Qual combinação de serviços AWS melhor alcança isso rapidamente?

A opção correta utiliza o Amazon Comprehend, um serviço de NLP pré-treinado, para análise de sentimento, o que minimiza o esforço de ciência de dados e infraestrutura. Um Lambda é acionado por novos uploads no S3, chama o Comprehend, e o resultado do sentimento é gravado como uma métrica personalizada no CloudWatch. Isso permite usar alarmes do CloudWatch para monitorar tendências e notificar analistas, atendendo aos requisitos de visualização de tendências e alertas. O armazenamento no S3 também garante persistência dos dados. As outras opções são menos eficientes: Treinar um modelo no SageMaker (mesmo com BlazingText) exige mais esforço de ciência de dados e tempo, o que contraria o requisito de "solução rápida". O algoritmo de segmentação semântica no SageMaker não é apropriado para análise de sentimento. Agendar um Lambda para consultar registros e enviar notificações SNS é menos direto e em tempo real do que usar alarmes do CloudWatch para tendências.