Você tem um conjunto de dados de imagens rotuladas com duas classes: leão ou guepardo. Você deseja treinar um modelo que, dada uma nova imagem, preveja se ela contém um leão ou um guepardo. Qual escolha de algoritmo do SageMaker é apropriada?

A Classificação de Imagem usando TensorFlow é a escolha mais apropriada porque o problema é de classificação binária de imagens, onde cada imagem é rotulada como uma de duas classes distintas (leão ou guepardo). Este algoritmo é projetado especificamente para atribuir uma única classe a uma imagem inteira. XGBoost é um algoritmo de aprendizado de máquina para dados tabulares e não é adequado para processamento de imagens diretamente. Detecção de objetos seria usado se o objetivo fosse localizar e identificar múltiplos objetos dentro de uma imagem, o que não é o caso aqui. Segmentação semântica seria usada para classificar cada pixel de uma imagem em uma categoria, o que é um nível de granularidade desnecessário e incorreto para este problema de classificação simples.