Firma przechowuje dokumenty w Amazon S3, ale nie ma predefiniowanych kategorii produktów. Specjalista ds. danych musi zbudować model do wyprowadzania kategorii produktów dla wszystkich dokumentów z maksymalną wydajnością operacyjną. Które rozwiązanie jest najbardziej wydajne operacyjnie?

SageMaker Neural Topic Model (NTM) to algorytm uczenia nienadzorowanego, który automatycznie odkrywa ukryte tematy (kategorie) w zbiorze dokumentów. Jest to najbardziej wydajne operacyjnie rozwiązanie, ponieważ NTM jest wbudowanym algorytmem SageMaker, co oznacza, że nie wymaga tworzenia niestandardowych kontenerów ani skomplikowanego przetwarzania wstępnego danych, a także jest zoptymalizowany pod kątem skalowalności i wydajności. Budowanie niestandardowego modelu klastrowania z Dockerfile jest bardziej złożone i mniej wydajne operacyjnie. Tokenizacja i konwersja do cech tabelarycznych, a następnie użycie k-means, wymagałoby dodatkowego przetwarzania danych i nie jest tak efektywne w odkrywaniu tematów jak NTM. BlazingText jest przeznaczony głównie do klasyfikacji tekstu i osadzania słów, a nie do odkrywania nienadzorowanych tematów.