Une entreprise stocke des documents dans Amazon S3, mais n'a pas de catégories de produits prédéfinies. Un data scientist doit créer un modèle pour dériver des catégories de produits pour tous les documents avec une efficacité opérationnelle maximale. Quelle solution est la plus efficace sur le plan opérationnel ?

La solution la plus efficace est d'entraîner un modèle SageMaker Neural Topic Model (NTM). NTM est un algorithme non supervisé conçu spécifiquement pour découvrir des sujets (catégories) latents dans une collection de documents, ce qui correspond directement au besoin de dériver des catégories de produits sans catégories prédéfinies. Il est optimisé pour la performance et l'efficacité opérationnelle sur SageMaker. La construction d'un modèle de clustering personnalisé via Dockerfile est possible mais moins efficace opérationnellement car elle demande plus d'efforts de développement et de maintenance. La tokenisation et la conversion en fonctionnalités tabulaires pour un modèle k-means est une approche valide pour le clustering, mais NTM est plus spécialisé et potentiellement plus performant pour la découverte de sujets dans le texte. BlazingText est principalement utilisé pour l'apprentissage de représentations de mots (word embeddings) ou la classification de texte, pas pour la découverte non supervisée de catégories.