Команда будет предварительно обрабатывать текст с помощью разметки частей речи и извлечения ключевых фраз, а затем передавать обработанный текст в пользовательский классификатор, уже реализованный и обученный с помощью Apache MXNet. Какой подход позволит команде быстрее всего реализовать это решение?

Правильный ответ — развернуть пользовательский классификатор MXNet с помощью AWS Deep Learning Containers с SageMaker. Amazon Comprehend — это полностью управляемый сервис для обработки естественного языка (NLP), который идеально подходит для разметки частей речи и извлечения ключевых фраз, что ускоряет предварительную обработку текста. Поскольку пользовательский классификатор уже реализован и обучен с помощью Apache MXNet, наиболее эффективным способом его использования будет развертывание в SageMaker с помощью AWS Deep Learning Containers. Это позволит использовать существующий код MXNet без необходимости его переписывания или адаптации к другим фреймворкам. Другие варианты не подходят, потому что: Использование Amazon Comprehend для классификации не подходит, так как требуется пользовательский классификатор. Использование библиотеки NLP в SageMaker для разметки частей речи и Amazon Comprehend для извлечения ключевых фраз усложняет процесс, тогда как Comprehend может выполнять обе задачи. Использование встроенного алгоритма LDA SageMaker в качестве классификатора не подходит, так как требуется пользовательский классификатор MXNet.