Una empresa utiliza la clasificación de imágenes de SageMaker (ImageNetV2 CNN) pero descubre que el modelo omite muchas especies animales menos comunes. Recopilaron 10 000 imágenes etiquetadas de especies raras en S3 y planean entrenar usando el modo Pipe. ¿Qué combinación de pasos debe seguir el ingeniero de ML? Seleccione dos.

La empresa debe realizar aprendizaje por transferencia, ajustando el modelo existente con las nuevas imágenes de especies raras. Entrenar desde cero con pesos aleatorios (opción 1) sería ineficiente y requeriría muchos más datos para converger. El aprendizaje por transferencia permite aprovechar el conocimiento preexistente del modelo para clasificar especies comunes y adaptarlo a las raras con menos datos. Para el entrenamiento en modo Pipe con el algoritmo de clasificación de imágenes de SageMaker, es necesario un archivo .lst que mapee las imágenes a sus etiquetas, cargado en S3. Un archivo de manifiesto aumentado (opción 5) se usa con Amazon Rekognition Custom Labels o para otros algoritmos que lo soporten, no para el algoritmo de clasificación de imágenes de SageMaker en modo Pipe. Usar un modelo Inception (opción 2) es una arquitectura, no un paso para el entrenamiento de datos específicos.