Você tem uma grande coleção de imagens não rotuladas que apenas funcionários podem acessar. Para obter a maior precisão de rotulagem, qual combinação de etapas você deve seguir? (Escolha duas.)

Para obter a maior precisão de rotulagem em dados confidenciais, é essencial uma abordagem humana e controlada. O Amazon SageMaker Ground Truth permite criar trabalhos de anotação personalizados, definindo as instruções e requisitos de rotulagem específicos para suas imagens. Em seguida, configurar equipes de trabalho privadas garante que apenas funcionários autorizados acessem e rotulem os dados, mantendo a confidencialidade e permitindo a revisão interna para garantir a qualidade. Usar o Amazon Rekognition para rotulagem automática pode ser rápido, mas a precisão pode não ser a ideal para todos os casos de uso e não permite controle sobre a qualidade. Treinar um modelo de deep learning diretamente em dados brutos para inferir rótulos é uma abordagem de aprendizado não supervisionado, que geralmente não atinge a mesma precisão que a rotulagem humana para tarefas complexas. O Amazon Mechanical Turk é uma força de trabalho pública e não seria adequado para dados acessíveis apenas por funcionários.