한 회사에서 위성 이미지에서 태양광 패널이 있는 주택을 감지하려고 합니다. 이 회사는 8,000개의 훈련 이미지를 수집했으며 레이블링을 위해 SageMaker Ground Truth를 사용할 것입니다. 내부 팀은 소규모이며 ML 경험이 없습니다. 이 팀에서 가장 적은 노력이 필요한 워크플로는 무엇입니까?

내부 팀은 ML 경험이 없고 소규모이므로, 레이블링 노력과 모델 개발 복잡성을 최소화하는 솔루션이 필요합니다. Ground Truth의 활성 학습(Active Learning)은 레이블링할 이미지 수를 줄여주어 내부 팀의 부담을 경감합니다. Amazon Rekognition Custom Labels는 코딩 없이 사용자 지정 객체 감지 모델을 훈련하고 호스팅할 수 있게 해주므로, ML 경험이 없는 팀에 가장 적합합니다. 수동 레이블링은 활성 학습보다 더 많은 노력이 필요하며, SageMaker 내장 알고리즘은 Rekognition Custom Labels보다 더 많은 ML 지식을 요구합니다. 퍼블릭 인력은 내부 팀의 통제력을 약화시킬 수 있습니다.