Produkcja: 750 klas komponentów, ~1000 oznakowanych przykładów na klasę. Zbuduj aplikację do rozpoznawania komponentów na podstawie zdjęć jako MVP w ciągu kilku dni roboczych. Jakie podejście przyjmiesz?

Użycie Cloud Vision AutoML z istniejącym zbiorem danych jest najlepszym podejściem, ponieważ pozwala na szybkie zbudowanie modelu rozpoznawania obrazów bez konieczności głębokiej wiedzy o uczeniu maszynowym. AutoML Vision jest zaprojektowane do trenowania niestandardowych modeli na podstawie dostarczonych danych, co idealnie pasuje do wymogu MVP w ciągu kilku dni roboczych. Zmniejszenie zbioru danych (opcja B) pogorszyłoby jakość modelu. Użycie Cloud Vision API (opcja C) jest przeznaczone do predefiniowanych zadań, a nie do rozpoznawania niestandardowych komponentów. Trenowanie własnego modelu (opcja D) jest zbyt czasochłonne i wymaga specjalistycznej wiedzy, co wykracza poza ramy MVP w krótkim czasie.