Firma zbiera już posty z mediów społecznościowych do zasobnika S3 i potrzebuje szybkiego rozwiązania do oceny sentymentu, wizualizacji trendów i konfiguracji alertów przy minimalnym nakładzie infrastrukturalnym i pracy analityków danych. Która kombinacja usług AWS najlepiej to osiągnie w krótkim czasie?

Poprawna odpowiedź wykorzystuje Amazon Comprehend, wstępnie wytrenowaną usługę NLP, idealną do szybkiej analizy sentymentu bez konieczności szkolenia modeli. Integracja z AWS Lambda po przesłaniu danych do S3 zapewnia bezserwerowe, skalowalne przetwarzanie. Zapisywanie sentymentu w niestandardowej metryce CloudWatch umożliwia łatwą wizualizację trendów i konfigurację alarmów CloudWatch, co spełnia wymagania dotyczące minimalnego nakładu infrastrukturalnego i pracy analityków. Pozostałe opcje są mniej optymalne: Trenowanie modelu w SageMaker (BlazingText lub segmentacja semantyczna) wymagałoby większego wysiłku i czasu na rozwój, co jest sprzeczne z wymogiem "szybkiego rozwiązania". Segmentacja semantyczna nie jest też odpowiednia do analizy sentymentu. Opcja z DynamoDB i zaplanowaną funkcją Lambda do wysyłania powiadomień SNS jest możliwa, ale użycie CloudWatch Metrics i Alarmów jest bardziej bezpośrednie i efektywne do monitorowania trendów i alertowania.