Ein Unternehmen betreibt eine beliebte Social-Media-Website, auf die Benutzer Bilder hochladen, um sie zu teilen. Das Unternehmen möchte sicherstellen, dass die Bilder keine unangemessenen Inhalte enthalten, und den Entwicklungsaufwand minimieren. Was sollte ein Lösungsarchitekt empfehlen?

Amazon Rekognition ist ein vollständig verwalteter Dienst für Bild- und Videoanalyse, der direkt Funktionen zur Moderation von Inhalten bietet, um unangemessene oder unerwünschte Bilder zu erkennen. Dies minimiert den Entwicklungsaufwand, da kein eigenes ML-Modell trainiert werden muss. Die Kombination mit einer menschlichen Überprüfung für Vorhersagen mit geringer Konfidenz ist eine bewährte Methode, um die Genauigkeit zu erhöhen und Fehlklassifizierungen zu reduzieren. Amazon Comprehend ist für die Textanalyse konzipiert und daher ungeeignet für die Bilderkennung. Amazon SageMaker erfordert die Entwicklung und das Training eines benutzerdefinierten ML-Modells, was den Entwicklungsaufwand erhöht. AWS Fargate ist ein Serverless Compute Engine für Container und würde ebenfalls die Bereitstellung eines benutzerdefinierten Modells erfordern, was nicht die einfachste Lösung ist, wenn ein verwalteter Dienst wie Rekognition existiert.