Hai una vasta collezione di immagini non etichettate a cui solo i dipendenti possono accedere. Per ottenere la massima accuratezza nell'etichettatura, quale combinazione di passaggi dovresti intraprendere? (Scegli due.)

Per ottenere la massima accuratezza nell'etichettatura di immagini non etichettate accessibili solo ai dipendenti, è fondamentale utilizzare un approccio controllato e personalizzato. Amazon SageMaker Ground Truth consente di creare un job di annotazione che definisce chiaramente il task e i requisiti di etichettatura, garantendo coerenza e precisione. Poiché i dati sono sensibili e accessibili solo internamente, è essenziale configurare team di forza lavoro privati. Questi team, composti dai dipendenti autorizzati, possono eseguire e revisionare il job di annotazione, mantenendo la sicurezza dei dati e sfruttando la loro conoscenza specifica per un'etichettatura accurata. Le altre opzioni sono meno adatte: L'uso di Amazon Rekognition per l'etichettatura automatica potrebbe non raggiungere la massima accuratezza desiderata, specialmente con dataset complessi o specifici. Addestrare un modello di deep learning direttamente su dati grezzi senza etichette non è possibile per l'apprendimento supervisionato e non risolverebbe il problema dell'etichettatura iniziale. Amazon Mechanical Turk è una forza lavoro pubblica, inadatta per dati a cui solo i dipendenti possono accedere.