Je hebt een gelabelde afbeeldingsdataset met twee klassen: leeuw of cheeta. Je wilt een model trainen dat, gegeven een nieuwe afbeelding, voorspelt of deze een leeuw of een cheeta bevat. Welke SageMaker-algoritmekeuze is geschikt?

De juiste keuze is Image classification using TensorFlow. Dit algoritme is specifiek ontworpen voor het classificeren van afbeeldingen in vooraf gedefinieerde categorieën, precies wat nodig is om een leeuw of een cheeta te identificeren. TensorFlow is een veelgebruikt deep learning framework dat uitstekend geschikt is voor beeldclassificatietaken. XGBoost (gradient boosted trees) is een krachtig algoritme, maar is primair ontworpen voor gestructureerde data en niet optimaal voor onbewerkte afbeeldingsdata. Object detection using TensorFlow zou onnodig complex zijn, omdat het niet alleen de klasse identificeert, maar ook de locatie van objecten in een afbeelding, wat niet gevraagd wordt. Semantic segmentation using MXNet is ook te complex; het segmenteert afbeeldingen op pixelniveau en identificeert elk pixel als behorend tot een bepaalde klasse, wat verder gaat dan de vereiste classificatietaak.