某大學希望預測申請者是否會註冊入學，以便能針對性地進行招募。資料科學家擁有學術歷史資料，並希望建立申請者個人資料以進行預測。資料科學家應該採取哪兩個步驟來建立預測入學可能性的模型？（請選擇兩項）

此問題旨在預測申請者是否會註冊入學，這是一個二元選擇問題，因此需要使用分類演算法。選項「應用分類演算法進行預測」是正確的，因為分類演算法（例如邏輯迴歸、決策樹、支援向量機等）適用於預測離散類別的結果。為了訓練分類模型，需要有帶有標籤的資料。選項「使用 Amazon SageMaker Ground Truth 將資料集標記為兩個類別：「已註冊」和「未註冊」」是正確的，因為 Ground Truth 是一個資料標註服務，可以幫助資料科學家高效地為資料集添加「已註冊」和「未註冊」的標籤，以供模型訓練使用。 選項「應用預測演算法進行預測」過於籠統，預測演算法包含迴歸和分類，不夠具體。選項「應用迴歸演算法進行預測」是錯誤的，因為迴歸演算法用於預測連續數值，而非離散類別。選項「使用 SageMaker 內建的 k-means 演算法將資料叢集為兩組：「已註冊」和「未註冊」」是錯誤的，因為 k-means 是一種非監督式學習的聚類演算法，用於發現資料中的隱藏模式，而不是用於基於已知標籤進行預測的監督式學習任務。