Una empresa almacena videos MP4 en Amazon S3 y anteriormente tardaba 4 meses en etiquetar todos los fotogramas de video para un modelo de clasificación de movimiento. Necesitan reentrenar el modelo utilizando el flujo de trabajo existente de SageMaker y quieren reducir el tiempo de etiquetado. ¿Qué enfoque disminuirá el tiempo de etiquetado?

La opción correcta es usar la interfaz de etiquetado de Amazon Augmented AI (Amazon A2I) con Amazon Rekognition para etiquetar los fotogramas de video. Amazon Rekognition puede automatizar el etiquetado de objetos, escenas y actividades en videos, lo que reduce significativamente la necesidad de etiquetado manual. Amazon A2I permite la intervención humana para revisar y validar las predicciones de Rekognition, asegurando alta precisión y mejorando el modelo con el tiempo. Esto acelera el proceso de etiquetado al combinar la velocidad de la IA con la precisión humana. Las otras opciones son incorrectas porque: SageMaker Ground Truth es una herramienta de etiquetado de datos, pero no ofrece la automatización de etiquetado de video que Rekognition proporciona para reducir drásticamente el tiempo. SageMaker JumpStart proporciona modelos preentrenados, pero no es una herramienta de etiquetado de datos ni de automatización del etiquetado de video. SageMaker Data Wrangler es para la preparación y transformación de datos, no para el etiquetado automatizado de video.