Fabricación: 750 clases de componentes, ~1000 ejemplos etiquetados por clase. Cree una aplicación de reconocimiento de componentes basada en fotos como un MVP en pocos días hábiles. ¿Qué enfoque adoptaría?

Cloud Vision AutoML es la mejor opción porque está diseñado para entrenar modelos de clasificación de imágenes personalizados con conjuntos de datos etiquetados de forma rápida y eficiente, lo que se alinea perfectamente con el requisito de un MVP en pocos días hábiles. El conjunto de datos existente de 750 clases y 1000 ejemplos por clase es ideal para AutoML. Reducir el conjunto de datos a la mitad (opción incorrecta) degradaría el rendimiento del modelo sin una ganancia significativa de tiempo. Usar Cloud Vision API con etiquetas personalizadas (opción incorrecta) no permite entrenar un modelo personalizado para el reconocimiento de componentes específicos. Entrenar un modelo propio con aprendizaje por transferencia (opción incorrecta) requeriría más tiempo y experiencia, superando el plazo de "pocos días hábiles".