Een team zal tekst voorbewerken met part-of-speech tagging en key phrase extraction, en vervolgens de verwerkte tekst invoeren in een aangepaste classifier die al is geïmplementeerd en getraind met Apache MXNet. Welke aanpak stelt het team in staat om deze oplossing het snelst te leveren?

De correcte aanpak is om Amazon Comprehend te gebruiken voor part-of-speech tagging en key phrase extraction, omdat dit beheerde services zijn die deze taken efficiënt uitvoeren zonder dat er modellen getraind hoeven te worden. De bestaande, getrainde Apache MXNet classifier kan vervolgens snel worden geïmplementeerd met behulp van AWS Deep Learning Containers (DLC's) in SageMaker. DLC's bieden geoptimaliseerde Docker-images voor machine learning frameworks, wat de implementatie van aangepaste modellen versnelt. Optie 1 is onjuist omdat Amazon Comprehend geen aangepaste classifiers ondersteunt. Optie 2 is onnodig complex door een NLP-bibliotheek in SageMaker te combineren met Comprehend voor preprocessing, en de vraag specificeert dat de classifier al getraind is. Optie 3 is onjuist omdat het LDA-algoritme van SageMaker geen aangepaste classifier is en niet geschikt is voor dit specifieke doel.