Sie müssen Einbettungsvektoren aus einer Sammlung englischer Sätze erstellen, damit nachgeschaltete Modelle diese verwenden können. Sätze verwenden häufig Wörter in verschiedenen Kontexten wieder und enthalten Frage-Antwort-Paare; die Einbettungen sollten den Wortkontext und Sequenz-/QA-Informationen erfassen. Welche SageMaker-Optionen können Einbettungen generieren, die diese Anforderungen erfüllen? (Wählen Sie zwei.)

Der SageMaker seq2seq-Algorithmus ist für die Verarbeitung von Sequenzdaten konzipiert und kann Kontext- und Sequenzinformationen in Einbettungen erfassen, was für Frage-Antwort-Paare entscheidend ist. Der SageMaker Object2Vec-Algorithmus ist ein hochflexibler, überwachter Algorithmus, der Einbettungen für verschiedene Objekttypen, einschließlich Text, generieren kann und die Erfassung von Kontext und komplexen Beziehungen ermöglicht. BlazingText im Skip-gram- oder CBOW-Modus generiert Wort-Einbettungen, die zwar Kontext berücksichtigen, aber nicht explizit Sequenz- oder QA-Informationen auf Satzebene erfassen. Die Kombination von BlazingText mit einem benutzerdefinierten RNN wäre eine Implementierung, aber keine direkt verfügbare SageMaker-Option, die die Anforderungen erfüllt.