Ein Medienunternehmen verfügt über ein sehr großes Archiv mit unbeschrifteten Bildern, Texten, Audio- und Videodateien und muss Assets schnell indizieren, damit Forscher relevante Inhalte finden können. Das Team verfügt über begrenzte ML-Kenntnisse. Welcher Ansatz erzeugt am schnellsten durchsuchbare Tags?

Die Verwendung von Amazon Rekognition für Bilder und Videos, Amazon Comprehend für Text und Amazon Transcribe für Audio ist die schnellste und effektivste Methode, da diese Dienste vollständig verwaltet sind und vorgefertigte ML-Modelle für die jeweiligen Datentypen bieten. Dies erfordert keine ML-Kenntnisse und liefert sofort durchsuchbare Tags. Amazon Mechanical Turk wäre zu zeitaufwändig und teuer für ein sehr großes Archiv. Das Training benutzerdefinierter Modelle mit Amazon SageMaker oder die Verwendung des AWS Deep Learning AMI erfordert erhebliche ML-Kenntnisse und Entwicklungszeit, was im Widerspruch zur Anforderung steht, schnell durchsuchbare Tags zu erstellen und den begrenzten ML-Kenntnissen des Teams.