Je hebt een grote verzameling ongelabelde afbeeldingen die alleen toegankelijk zijn voor medewerkers. Welke combinatie van stappen moet je nemen om de hoogste labelnauwkeurigheid te bereiken? (Kies twee.)

Om de hoogste labelnauwkeurigheid te bereiken voor een grote verzameling ongelabelde afbeeldingen die alleen toegankelijk zijn voor medewerkers, zijn twee stappen essentieel. Ten eerste moet u Amazon SageMaker Ground Truth gebruiken om een annotatiejob te maken die de labeltaak en vereisten specificeert. Ground Truth biedt tools om efficiënt en consistent labels toe te voegen. Ten tweede moet u workforce teams instellen om een private workforce te leveren voor het uitvoeren en beoordelen van deze annotatiejob. Een private workforce zorgt ervoor dat alleen geautoriseerde medewerkers toegang hebben tot de gevoelige afbeeldingen en deze kunnen labelen, wat cruciaal is voor data die alleen intern toegankelijk is. Het direct trainen van een deep learning-model op ruwe data zonder labels is niet effectief, omdat het model geen grondwaarheid heeft om van te leren. Amazon Rekognition is een vooraf getrainde service voor beeld- en videoanalyse, maar kan geen specifieke, aangepaste labels genereren die nodig zijn voor een unieke dataset. Hoewel Amazon Mechanical Turk een optie is voor het labelen van data, is het niet geschikt voor data die alleen toegankelijk is voor medewerkers, omdat het een publieke workforce betreft.