Bir perakendecinin 1.000 müşteri yorumu vardır (her biri dayanıklılık endişeleri için etiketlenmiştir) ve birçok yorum boş alanlar içermektedir. Ekibin, ürün dayanıklılığından bahseden yorumları tespit etmek için bir model oluşturması ve bunu 2 gün içinde hazır hale getirmesi gerekmektedir. Bu 2 günlük gereksinimi karşılamanın en doğrudan yolu hangi yaklaşımdır?

Doğru cevap, Amazon Comprehend kullanarak özel bir metin sınıflandırıcı eğitmektir. Bunun nedeni, Comprehend'in önceden eğitilmiş modeller ve özel sınıflandırma yetenekleri sunarak metin analizi görevlerini hızlandırmasıdır. 1.000 etiketli yorumla, özel bir sınıflandırıcı eğitmek için yeterli veri mevcuttur ve boş alanları olan yorumlar, Comprehend'in veri ön işleme yetenekleriyle ele alınabilir. Bu yaklaşım, 2 günlük zaman kısıtlamasını karşılamak için en hızlı ve en doğrudan yoldur. Diğer seçenekler daha fazla geliştirme süresi ve uzmanlık gerektirir. Gluon ve Apache MXNet kullanarak Amazon SageMaker'da tekrarlayan bir sinir ağı uygulamak, model mimarisi tasarımı ve eğitim için önemli zaman gerektirir. Word2Vec modunu kullanarak Amazon SageMaker'da yerleşik bir BlazingText modeli eğitmek veya Amazon SageMaker'da yerleşik bir sequence-to-sequence modeli kullanmak, özel bir sınıflandırıcıdan daha karmaşık olabilir ve bu özel görev için aşırıya kaçabilir.