MediLabel, ein Startup im Gesundheitswesen, muss sensible Röntgenbilder mit einer privaten Gruppe von Radiologen kennzeichnen und die Konsolidierung der Kennzeichnungen über mehrere Annotatoren hinweg sicherstellen (Konsens/Aggregation verwenden). Welches Setup und welche Konfiguration erfüllen ihre Sicherheits- und Konsolidierungsanforderungen beim Erstellen eines SageMaker Ground Truth Labeling-Jobs?

Die korrekte Option erfüllt alle Anforderungen: Eine private Workforce stellt sicher, dass nur autorisierte Radiologen auf die sensiblen Daten zugreifen können. Das Einladen über die Ground Truth-Konsole oder die Verwendung eines IAM-basierten Teams bietet flexible Zugangskontrolle. Das Festlegen von numberOfHumanWorkersPerDataObject auf 3 ermöglicht eine Konsolidierung der Annotationen durch mehrere Experten. Die Aktivierung der automatisierten Annotationskonsolidierung (Ground Truth-Konsolidierungsalgorithmus) ist entscheidend, um ein einziges, konsolidiertes Label aus den individuellen Annotationen zu erstellen, was die Qualität und Zuverlässigkeit der Labels erhöht. Die anderen Optionen sind ungeeignet: Die öffentliche Mechanical Turk-Belegschaft ist für sensible Daten nicht sicher. Das Hochladen von Ergebnissen von Drittanbietern nach S3 und die Offline-Konsolidierung ist umständlich und Ground Truth kann sehr wohl Konsolidierung für private Workforces durchführen. Die Verwendung einer öffentlichen Workforce mit einem "private"-Flag auf S3-Objekten ist keine sichere Lösung für den Zugriff und ein einzelner Annotator pro Objekt erlaubt keine Konsolidierung.