Bir şirketin, Amazon S3 bucket'ında metin dosyaları olarak depolanan yemek tarifi kayıtlarından malzeme adlarını çıkarması gerekiyor. Bir web uygulaması, beslenme puanını belirlemek için malzeme adlarını kullanarak bir DynamoDB tablosunu sorgulayacak. Şirket, gıda dışı kayıtlara ve hatalara tolerans gösterebilir ve ML uzmanlığına sahip çalışanı yoktur. En uygun maliyetli çözüm hangisidir?

Doğru seçenek, S3 olay bildirimlerini bir Lambda işleviyle birleştirerek Amazon Comprehend'i kullanır. S3 Event Notifications, yeni bir nesne yüklendiğinde Lambda işlevini otomatik olarak tetikler. Lambda işlevi, metin dosyalarını işlemek ve malzeme adlarını çıkarmak için Amazon Comprehend'i kullanır. Comprehend, doğal dil işleme (NLP) hizmetidir ve metinden varlıkları (malzeme adları gibi) çıkarmak için idealdir. Çıkarılan veriler daha sonra DynamoDB'ye kaydedilir. Bu çözüm, ML uzmanlığı gerektirmez ve maliyet açısından etkilidir. Diğer seçenekler şunlar için uygun değildir: Amazon Forecast, zaman serisi tahminleri için kullanılır, metin analizi için değil. Amazon Polly, metni konuşmaya dönüştürür, metinden bilgi çıkarmaz ve manuel insan müdahalesi gerektirir, bu da maliyetli ve verimsizdir. Amazon SageMaker, özel ML modelleri oluşturmak ve dağıtmak için kullanılır, bu da ML uzmanlığı gerektirir ve daha karmaşık ve maliyetlidir.