Sie verfügen über eine große Sammlung unbeschrifteter Bilder, auf die nur Mitarbeiter zugreifen dürfen. Welche Kombination von Schritten sollten Sie unternehmen, um die höchste Beschriftungsgenauigkeit zu erzielen? (Wählen Sie zwei.)

Um die höchste Beschriftungsgenauigkeit für eine private Sammlung unbeschrifteter Bilder zu erzielen, ist die Kombination aus Amazon SageMaker Ground Truth und einer privaten Belegschaft ideal. Amazon SageMaker Ground Truth ermöglicht das Erstellen eines detaillierten Annotationsauftrags, der die Beschriftungsaufgabe und spezifische Anforderungen klar definiert. Dies ist entscheidend für konsistente und genaue Beschriftungen. Die Nutzung einer privaten Belegschaft, bestehend aus Mitarbeitern, die Zugriff auf die sensiblen Bilder haben, gewährleistet Datensicherheit und Vertraulichkeit. Diese Teams können den Annotationsauftrag ausführen und die Qualität der Beschriftungen überprüfen, was die Genauigkeit weiter erhöht. Die Verwendung von Amazon Rekognition würde eine automatische Beschriftung liefern, die möglicherweise nicht die erforderliche Genauigkeit für spezifische oder komplexe Anwendungsfälle erreicht. Das direkte Trainieren eines Deep-Learning-Modells mit Rohdaten ohne Beschriftungen ist nicht praktikabel für überwachtes Lernen, da das Modell Labels zum Lernen benötigt. Amazon Mechanical Turk würde eine öffentliche Belegschaft nutzen, was aufgrund der Vertraulichkeit der Bilder nicht geeignet ist.