Bir şirket belgeleri Amazon S3'te depoluyor ancak önceden tanımlanmış ürün kategorileri yok. Bir veri bilimcisi, tüm belgeler için maksimum operasyonel verimlilikle ürün kategorileri türetmek üzere bir model oluşturmalıdır. En operasyonel olarak verimli çözüm hangisidir?

Doğru cevap, belgelerden ürün kategorilerini keşfetmek için bir SageMaker Neural Topic Model (NTM) eğitmek. NTM, denetimsiz bir öğrenme algoritmasıdır ve metin belgelerindeki gizli konuları (bu durumda ürün kategorilerini) otomatik olarak tanımlamak için tasarlanmıştır. Bu, önceden tanımlanmış kategoriler olmadığında ve operasyonel verimlilik istendiğinde idealdir çünkü etiketleme gerektirmez ve SageMaker'ın yönetilen hizmetleri sayesinde kolayca ölçeklenebilir. Diğer seçenekler neden yanlış: Özel bir kümeleme modeli oluşturmak, Dockerfile ve özel imaj gerektirdiğinden operasyonel olarak daha az verimlidir ve daha fazla geliştirme çabası gerektirir. Belgeleri tokenize edip tablo özelliklerine dönüştürerek bir SageMaker k-means modeli eğitmek mümkündür ancak k-means, metin verileri için NTM kadar doğal ve etkili bir çözüm değildir; metin verilerinin karmaşık yapısını tam olarak yakalamakta zorlanabilir. SageMaker BlazingText, kelime gömme (word embeddings) oluşturmak veya metin sınıflandırması yapmak için kullanılır, ancak denetimsiz bir şekilde gizli konuları keşfetmek için birincil araç değildir.