Un'azienda vuole rilevare quali case hanno pannelli solari da immagini satellitari. Ha raccolto 8.000 immagini di training e utilizzerà SageMaker Ground Truth per l'etichettatura. Il team interno è piccolo e non ha esperienza di ML. Quale flusso di lavoro richiede il minor sforzo da parte di questo team?

Questa opzione minimizza lo sforzo del team perché Ground Truth con active learning riduce il numero di immagini che il team deve etichettare manualmente, concentrandosi sulle più informative. Amazon Rekognition Custom Labels è un servizio completamente gestito che non richiede esperienza di ML per addestrare e ospitare modelli di rilevamento di oggetti, semplificando notevolmente il processo rispetto all'addestramento manuale di un modello SageMaker. Le altre opzioni richiedono più etichettatura manuale, più esperienza di ML (addestramento di un algoritmo SageMaker) o l'uso di una forza lavoro pubblica che potrebbe non essere appropriata per dati sensibili o specifici.