Vous disposez d'un jeu de données d'images étiquetées avec deux classes : lion ou guépard. Vous souhaitez entraîner un modèle qui, étant donné une nouvelle image, prédit si elle contient un lion ou un guépard. Quel choix d'algorithme SageMaker est approprié ?

L'algorithme de classification d'images de SageMaker est idéal pour ce scénario car il est conçu spécifiquement pour classer des images en catégories prédéfinies, comme distinguer un lion d'un guépard. Il prend une image en entrée et produit une étiquette de classe en sortie. XGBoost est un algorithme d'apprentissage automatique généraliste, excellent pour les données tabulaires, mais moins adapté aux données d'images brutes. La détection d'objets identifie et localise plusieurs objets dans une image, ce qui est excessif ici car il s'agit d'une classification binaire de l'image entière. La segmentation sémantique attribue une étiquette de classe à chaque pixel d'une image, ce qui est également trop granulaire pour une simple tâche de classification d'image.