Vous disposez d'une grande collection d'images non étiquetées auxquelles seuls les employés peuvent accéder. Pour obtenir la plus grande précision d'étiquetage, quelle combinaison d'étapes devriez-vous suivre ? (Choisissez-en deux.)

Pour obtenir la plus grande précision d'étiquetage avec des données sensibles, la meilleure approche est l'étiquetage humain. Amazon SageMaker Ground Truth permet de créer des tâches d'annotation personnalisées, en définissant précisément les instructions et les exigences d'étiquetage. L'utilisation d'équipes de travail privées garantit que seules les personnes autorisées (les employés dans ce cas) accèdent aux données et effectuent l'étiquetage, ce qui est crucial pour la confidentialité et la précision. Amazon Rekognition est une solution d'IA pré-entraînée, mais elle ne garantit pas la précision requise pour des cas spécifiques et ne gère pas les données non étiquetées sans supervision. Entraîner un modèle sur des données brutes sans étiquettes est une approche d'apprentissage non supervisé qui ne fournit pas d'étiquettes précises. Amazon Mechanical Turk utilise une main-d'œuvre publique, ce qui est inapproprié pour des données confidentielles.