Zespół marketingowy dysponuje pięcioletnimi raportami prasowymi w formacie PDF i potrzebuje wyodrębnić z nich treści oraz sentyment. Rozwiązanie musi wykorzystywać Amazon Textract do przetwarzania plików PDF i wymagać minimalnego narzutu operacyjnego. Które rozwiązanie spełnia te wymagania?

Poprawna odpowiedź to „Dostarczenie wyodrębnionych informacji do Amazon Comprehend w celu analizy. Zapisanie analizy w zasobniku Amazon S3.” Amazon Textract wyodrębnia tekst i dane z plików PDF. Amazon Comprehend to usługa przetwarzania języka naturalnego (NLP), która może analizować wyodrębniony tekst w celu określenia sentymentu i innych spostrzeżeń. Połączenie Textract i Comprehend bezpośrednio spełnia wymagania dotyczące ekstrakcji treści i analizy sentymentu. Zapisanie analizy w Amazon S3 jest prostym i skalowalnym sposobem przechowywania wyników. Pozostałe opcje są mniej odpowiednie: Amazon Athena jest usługą zapytań, a nie narzędziem do analizy sentymentu. Amazon DynamoDB to baza danych NoSQL, a nie usługa do analizy sentymentu. Amazon SageMaker mógłby zostać użyty do zbudowania modelu sentymentu, ale wymagałoby to większego narzutu operacyjnego i wiedzy specjalistycznej niż użycie gotowej usługi Comprehend. Amazon QuickSight to narzędzie do wizualizacji danych, a nie do analizy sentymentu.