解説

SageMaker Ground Truthのオートメーションラベリング（自動ラベル付け）機能は、ラベリングジョブが進むにつれて学習する内部モデルを使用します。内部モデルが高い信頼度でラベルを予測できるサンプルは自動承認され、不確実なサンプルのみ人間ワーカーのレビューに回します。これにより、従来の全件人手ラベリングと比較して最大70%のコスト削減が見込めます。 自動ラベリングと人間レビューのハイブリッド構成で品質を担保しながらコストを最適化できる点が、このシナリオの要件に最も合致します。 選択肢AのMechanical Turkによる全件人手ラベリングは品質管理が可能ですが、100万枚 × 0.10 USD = 10万ドルの全額コストが発生し、自動化による削減効果がありません。 選択肢CのAmazon Rekognition Custom Labelsは画像分類推論サービスですが、未ラベル画像へのアノテーション付与ツールではなく、既存のラベル付きデータを使ったカスタムモデルのトレーニングに使用するものです。 選択肢DのSageMaker Autopilotは表形式データの自動MLに特化しており、画像データのラベリングや画像分類モデルの自動構築には対応していません。