Respuestas correctas
- BProporciona flujos de trabajo integrados para clasificación de imágenes y detección de objetos.
- CAdmite el etiquetado automático de datos mediante aprendizaje activo.
- DSe integra con Amazon SageMaker para utilizar los datos etiquetados para el entrenamiento.
Explicación
Amazon SageMaker Ground Truth incluye plantillas de tareas de etiquetado integradas y flujos de trabajo para tipos de trabajos comunes, como clasificación de imágenes y detección de objetos (así como texto, segmentación semántica y cuadros delimitadores). Ground Truth admite el etiquetado automático de datos, que utiliza aprendizaje activo para que un modelo etiquete datos con alta confianza mientras envía solo muestras con baja confianza a etiquetadores humanos, lo que reduce el costo y el esfuerzo. Ground Truth se integra directamente con Amazon SageMaker, escribiendo conjuntos de datos etiquetados en Amazon S3 en un formato de manifiesto aumentado que los trabajos de entrenamiento de SageMaker pueden consumir. Ground Truth maneja imágenes, video, texto y nubes de puntos 3D, no solo texto. Ground Truth admite múltiples fuerzas de trabajo, incluidas fuerzas de trabajo privadas, fuerzas de trabajo administradas por proveedores y Amazon Mechanical Turk, por lo que no se limita a una fuerza de trabajo pública de Mechanical Turk.
Para profundizar
SageMaker Ground Truth organiza los trabajos de etiquetado generando un manifiesto, distribuyendo tareas a una fuerza de trabajo y escribiendo manifiestos aumentados con etiquetas en S3 que los trabajos de entrenamiento consumen directamente. Incluye plantillas de tareas integradas para clasificación de imágenes, detección de objetos, segmentación semántica, clasificación de texto y reconocimiento de entidades nombradas, por lo que la afirmación de que solo maneja texto es falsa. El etiquetado automático de datos utiliza el aprendizaje activo: un modelo entrenado con datos ya etiquetados predice sobre elementos sin etiquetar, y solo las muestras con baja confianza se envían a humanos, lo que reduce sustancialmente el costo de etiquetado. Las fuerzas de trabajo pueden ser el grupo público de Mechanical Turk, una fuerza de trabajo privada de sus propios empleados o una fuerza de trabajo de proveedores, por lo que restringirlo a Mechanical Turk es incorrecto. Un escenario realista es un equipo de visión por computadora que etiqueta un millón de imágenes donde el aprendizaje activo reduce la revisión humana a una fracción.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AIF-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.