Hai un dataset di immagini etichettate con due classi: leone o ghepardo. Vuoi addestrare un modello che, data una nuova immagine, preveda se contiene un leone o un ghepardo. Quale algoritmo di SageMaker è appropriato?

L'Image classification con TensorFlow è l'algoritmo più appropriato perché il problema richiede di classificare un'intera immagine in una delle due categorie predefinite (leone o ghepardo). Questo è il compito fondamentale della classificazione delle immagini. XGBoost è un algoritmo di apprendimento supervisionato per dati tabulari o strutturati, non per immagini. L'Object detection (rilevamento di oggetti) identificherebbe e localizzerebbe oggetti specifici all'interno di un'immagine, disegnando bounding box, che è più di quanto richiesto. La Semantic segmentation (segmentazione semantica) assegna una classe a ogni pixel dell'immagine, un compito ancora più granulare e non necessario per la semplice classificazione.