Firma medialna posiada bardzo duże archiwum nieoznaczonych obrazów, tekstu, audio i wideo, i potrzebuje szybko indeksować zasoby, aby badacze mogli znaleźć odpowiednie treści. Zespół ma ograniczone doświadczenie w ML. Które podejście najszybciej wygeneruje tagi umożliwiające wyszukiwanie?

Prawidłowa odpowiedź to użycie Amazon Rekognition, Amazon Comprehend i Amazon Transcribe do automatycznego tagowania zasobów w kategorie. Te usługi AWS są w pełni zarządzanymi usługami sztucznej inteligencji, które nie wymagają doświadczenia w ML i mogą szybko przetwarzać duże ilości danych multimedialnych. Amazon Rekognition analizuje obrazy i wideo, Amazon Comprehend przetwarza tekst, a Amazon Transcribe transkrybuje audio. Razem zapewniają kompleksowe, automatyczne tagowanie. Tworzenie zadań w Amazon Mechanical Turk byłoby czasochłonne i kosztowne dla dużego archiwum. Użycie Amazon Transcribe, a następnie trenowanie modeli w Amazon SageMaker Neural Topic Model i modeli wykrywania obiektów, wymagałoby znacznie większego doświadczenia w ML i czasu na rozwój. Podobnie, budowanie niestandardowych modeli na AWS Deep Learning AMI na instancjach EC2 GPU jest najbardziej złożonym i czasochłonnym podejściem, wymagającym głębokiej wiedzy z zakresu ML.