Un rivenditore ha 1.000 recensioni di clienti (ciascuna etichettata per problemi di durabilità) e molte recensioni contengono campi vuoti. Il team deve costruire un modello per rilevare le recensioni che menzionano la durabilità del prodotto e averlo pronto entro 2 giorni. Qual è l'approccio più diretto per soddisfare questo requisito di 2 giorni?

Addestrare un classificatore di testo personalizzato usando Amazon Comprehend è l'approccio più diretto perché Comprehend è un servizio di machine learning completamente gestito che offre funzionalità NLP (Natural Language Processing) pre-addestrate e personalizzabili. Con solo 1.000 recensioni etichettate, un modello personalizzato di Comprehend può essere addestrato rapidamente (spesso in poche ore) per classificare il testo, soddisfacendo il requisito dei 2 giorni. Le altre opzioni richiederebbero molto più tempo e competenze: implementare una rete neurale ricorrente in SageMaker richiederebbe una profonda conoscenza del deep learning e un notevole sforzo di codifica e ottimizzazione; addestrare un modello BlazingText in modalità Word2Vec è utile per ottenere embedding di parole, ma non è un classificatore diretto; e un modello sequence-to-sequence è più complesso e adatto a compiti come la traduzione o la generazione di testo, non la classificazione binaria.