Zespół zajmujący się obrazowaniem medycznym posiada wiele nieoznaczonych skanów CT w S3 i musi zbudować potok do etykietowania, do którego dostęp będą mieli tylko autoryzowani użytkownicy. Jaki zestaw kroków pozwoli zbudować potok do etykietowania przy najmniejszym wysiłku deweloperskim?

Prawidłowa odpowiedź to stworzenie prywatnego zespołu roboczego i pliku manifestu, a następnie zadania etykietowania Ground Truth z wbudowanym typem zadania bounding-box. Amazon SageMaker Ground Truth jest usługą zaprojektowaną do łatwego tworzenia wysokiej jakości zbiorów danych treningowych dla uczenia maszynowego, minimalizując wysiłek deweloperski. Prywatny zespół roboczy zapewnia kontrolę dostępu dla autoryzowanych użytkowników. Plik manifestu określa dane wejściowe do etykietowania. Wbudowany typ zadania bounding-box jest odpowiedni do etykietowania obiektów na obrazach CT. Pozostałe opcje wymagają znacznie większego wysiłku deweloperskiego: budowanie niestandardowych narzędzi na EC2, używanie SQS, tworzenie aplikacji internetowych z Cognito i Amplify, lub używanie Mechanical Turk, który jest przeznaczony dla publicznych, rozproszonych zespołów, a nie autoryzowanych użytkowników.