Une entreprise de vente au détail a actuellement des opérateurs qui classent manuellement les réclamations des clients par catégorie et stockent chaque enregistrement de réclamation (y compris sa catégorie) dans une base de données centrale. L'entreprise n'a pas d'équipe de science des données et a besoin d'une solution qui ne nécessite aucune expertise en machine learning pour attribuer automatiquement des catégories et acheminer les réclamations entrantes vers des files d'attente. Quelle approche répond à ces contraintes ?

La bonne réponse est d'utiliser la classification personnalisée d'Amazon Comprehend. Cette approche est idéale car elle ne nécessite aucune expertise en machine learning. Amazon Comprehend est un service de ML entièrement géré qui permet de créer des classifieurs personnalisés avec un minimum d'effort, en utilisant simplement un fichier CSV contenant le texte des réclamations et leurs catégories. L'intégration via son API est simple pour l'application existante. Les autres options sont moins adaptées : Utiliser Amazon SageMaker Object2Vec ou Latent Dirichlet Allocation (LDA) nécessiterait une expertise en science des données pour l'entraînement, le réglage et le déploiement des modèles, ce qui contredit la contrainte de l'entreprise. Amazon Textract est principalement utilisé pour extraire du texte et des données de documents numérisés, pas pour extraire des données d'une base de données centrale.