Una empresa de medios tiene un archivo muy grande de imágenes, texto, audio y video sin etiquetar y necesita indexar rápidamente los activos para que los investigadores puedan encontrar contenido relevante. El equipo tiene experiencia limitada en ML. ¿Qué enfoque producirá etiquetas de búsqueda más rápido?

La opción correcta es usar Amazon Rekognition, Amazon Comprehend y Amazon Transcribe porque estos son servicios de AWS completamente administrados que utilizan ML preentrenado. Esto permite un etiquetado automático rápido y eficiente de imágenes, texto, audio y video, respectivamente, sin necesidad de experiencia profunda en ML. La empresa puede indexar sus activos rápidamente. Crear tareas de Amazon Mechanical Turk sería lento y costoso para un archivo muy grande. Usar Amazon Transcribe y luego entrenar modelos personalizados en Amazon SageMaker requeriría más tiempo y experiencia en ML que la empresa no tiene. Usar la AMI de AWS Deep Learning en instancias EC2 GPU para construir modelos personalizados es la opción que requiere la mayor experiencia en ML y el mayor tiempo de desarrollo, lo cual no es viable dada la limitación de experiencia del equipo y la necesidad de rapidez.