某公司希望從衛星影像中偵測哪些房屋裝有太陽能板。他們收集了 8,000 張訓練影像，並將使用 SageMaker Ground Truth 進行標記。內部團隊規模小且沒有機器學習經驗。哪種工作流程能讓該團隊投入最少精力？

正確答案是最佳選擇，因為它結合了最省力且最適合非機器學習專業人員的工具。Ground Truth 的主動學習功能可以減少人工標記的工作量，因為它會自動選擇最需要標記的影像，從而降低內部團隊的負擔。Amazon Rekognition Custom Labels 是一個無程式碼的解決方案，讓沒有機器學習經驗的團隊也能輕鬆訓練和部署自訂物件偵測模型，無需管理底層基礎設施或編寫程式碼。 選項二雖然使用 Rekognition Custom Labels，但缺乏主動學習功能，會導致內部團隊需要手動標記所有影像，耗費更多精力。選項三和選項四都建議使用 SageMaker 的內建物件偵測演算法和 SageMaker batch transform 進行推論。這需要更多的機器學習專業知識和程式碼撰寫能力，不適合沒有機器學習經驗的內部團隊。此外，選項四使用公開工作團隊，雖然可以減少內部團隊的標記工作，但可能在資料敏感性或品質控制方面帶來額外考量，且仍需處理 SageMaker 的複雜性。