ある機械学習エンジニアが、機密データを含むトレーニングデータセットを使用してAmazon Bedrock上でカスタムモデルをトレーニングしました。このエンジニアは、カスタムモデルが機密データに基づいた推論応答を生成しないことを保証したいと考えています。このエンジニアは、機密データに基づく応答を防止するために何を行うべきですか？

A. カスタムモデルを削除し、トレーニングデータセットから機密データを削除して、カスタムモデルを再トレーニングする。

B. 動的データマスキングを使用して、推論応答内で機密データをマスクする。

C. Amazon SageMakerを使用して、推論応答内の機密データを暗号化する。

D. AWS Key Management Service (AWS KMS)を使用して、カスタムモデル内の機密データを暗号化する。

Amazon OpenSearchサービスのどの機能が、企業がベクトルデータベースアプリケーションを構築する際に役立ちますか？

C. 拡張可能なインデックス管理および近傍検索機能

A. オブジェクトストレージ用のAmazon S3との統合

B. 地理空間インデックスおよびクエリのサポート

C. 拡張可能なインデックス管理および近傍検索機能

D. ストリーミングデータに対するリアルタイム分析機能

ある企業は、過去12か月間における各小売店での最畅销製品の総売上高を表示したいと考えています。この企業は、自動的にチャートを生成できるAWSソリューションを採用すべきです。

C. Amazon QuickSight上のAmazon Q

D. AWSチャットボット上のAmazon Q

ある企業は、古典的な物語に基づいて新しい物語を生成する子供向けインタラクティブアプリケーションを作成したいと考えています。同社はAmazon Bedrockを活用したいと考えており、生成される出力とトピックが子供に適していることを保証する必要があります。どのAWSサービスまたは機能がこれらの要件を満たすことができますか？

C. Amazon Bedrockのガードレール

D. Amazon Bedrockのエージェント

ある企業が画像分類用のMLモデルを開発しました。このモデルを本番環境にデプロイし、Webアプリケーションが利用できるようにしたいと考えています。企業は、モデルをホストし予測を提供するソリューションを実装したいと考えており、インフラストラクチャの管理を一切行いたくありません。どのソリューションがこれらの要件を満たしますか？

A. Amazon SageMaker Serverless Inferenceを使用してモデルをデプロイする。

B. Amazon CloudFrontを使用してモデルをデプロイする。

C. Amazon API Gatewayを使用してモデルをホストし予測を提供する。

D. AWS Batchを使用してモデルをホストし予測を提供する。

ある企業は、広告キャンペーンに活用可能なPB規模の未ラベル顧客データを保有しています。この企業は、顧客を複数のセグメントに分類し、自社製品の宣伝およびプロモーションに活用したいと考えています。これらの要件を満たすために、どの手法を採用すべきですか？

D. 人間のフィードバックを用いた強化学習（RLHF）

ある企業は四半期ごとに需要予測を行い、予測結果に基づいて在庫および運用を最適化しています。この予測にはMLモデルが使用されています。機械学習エンジニアは、トレーニング済みMLモデルに関する報告書を作成し、ステークホルダーに対して透明性および説明可能性を提供したいと考えています。透明性および説明可能性の要件を満たすために、エンジニアは報告書にどのような内容を含めるべきですか？

B. 部分依存プロット（PDP）

A. モデルのトレーニングコード

B. 部分依存プロット（PDP）

C. トレーニングに使用したサンプルデータ

生成AIモデルのユースケースとして適切なのはどれですか？

B. テキストによる説明に基づいて、デジタルマーケティング向けのリアルな画像を生成する。

A. 侵入検知システムを用いてネットワークセキュリティを強化する。

B. テキストによる説明に基づいて、デジタルマーケティング向けのリアルな画像を生成する。

C. インデックスの最適化によってデータベースのパフォーマンスを向上させる。

D. 金融データを分析して株式市場の動向を予測する。

あるエンジニアが、大規模言語モデル（LLM）を使用して営業活動向けのコンテンツを作成しています。生成されたコンテンツは一見信頼でき、事実に基づいているように見えますが、実際には不正確です。このLLMはどのような問題を起こしていますか？

B. ハルシネーション（幻覚）

ある企業が、防護メガネの画像を生成するソリューションを構築しようとしています。どのソリューションがこれらの要件を満たしますか？

A. Amazon SageMaker Ground Truth Plus を使用したヒューマン・イン・ザ・ループ検証

B. Amazon Bedrock の知識ベースを用いたデータ拡張

C. Amazon Rekognition を用いた画像認識

D. Amazon QuickSight を用いたデータ集計

AWS AIF-C01 第1章無料練習問題 2025 — AI プラクティショナー

AWS AIF-C01 第1章練習問題（100問）

AWS AIF-C01（AI プラクティショナー）第1章の本番形式の練習問題です。

Q1. ある機械学習エンジニアが、機密データを含むトレーニングデータセットを使用してAmazon Bedrock上でカスタムモデルをトレーニングしました。このエンジニアは、カスタムモデルが機密データに基づいた推論応答を生成しないことを保証したいと考えています。このエンジニアは、機密データに基づく応答を防止するために何を行うべきですか？
- A. カスタムモデルを削除し、トレーニングデータセットから機密データを削除して、カスタムモデルを再トレーニングする。
- B. 動的データマスキングを使用して、推論応答内で機密データをマスクする。
- C. Amazon SageMakerを使用して、推論応答内の機密データを暗号化する。
- D. AWS Key Management Service (AWS KMS)を使用して、カスタムモデル内の機密データを暗号化する。
この問題を見る →
Q2. Amazon OpenSearchサービスのどの機能が、企業がベクトルデータベースアプリケーションを構築する際に役立ちますか？
- A. オブジェクトストレージ用のAmazon S3との統合
- B. 地理空間インデックスおよびクエリのサポート
- C. 拡張可能なインデックス管理および近傍検索機能
- D. ストリーミングデータに対するリアルタイム分析機能
この問題を見る →
Q3. ある企業は、過去12か月間における各小売店での最畅销製品の総売上高を表示したいと考えています。この企業は、自動的にチャートを生成できるAWSソリューションを採用すべきです。
- A. Amazon EC2上のAmazon Q
- B. Amazon Q Developer
- C. Amazon QuickSight上のAmazon Q
- D. AWSチャットボット上のAmazon Q
この問題を見る →
Q4. ある企業は、古典的な物語に基づいて新しい物語を生成する子供向けインタラクティブアプリケーションを作成したいと考えています。同社はAmazon Bedrockを活用したいと考えており、生成される出力とトピックが子供に適していることを保証する必要があります。どのAWSサービスまたは機能がこれらの要件を満たすことができますか？
- A. Amazon Rekognition
- B. Amazon Bedrock Playground
- C. Amazon Bedrockのガードレール
- D. Amazon Bedrockのエージェント
この問題を見る →
Q5. ある企業が画像分類用のMLモデルを開発しました。このモデルを本番環境にデプロイし、Webアプリケーションが利用できるようにしたいと考えています。企業は、モデルをホストし予測を提供するソリューションを実装したいと考えており、インフラストラクチャの管理を一切行いたくありません。どのソリューションがこれらの要件を満たしますか？
- A. Amazon SageMaker Serverless Inferenceを使用してモデルをデプロイする。
- B. Amazon CloudFrontを使用してモデルをデプロイする。
- C. Amazon API Gatewayを使用してモデルをホストし予測を提供する。
- D. AWS Batchを使用してモデルをホストし予測を提供する。
この問題を見る →
Q6. ある企業は、広告キャンペーンに活用可能なPB規模の未ラベル顧客データを保有しています。この企業は、顧客を複数のセグメントに分類し、自社製品の宣伝およびプロモーションに活用したいと考えています。これらの要件を満たすために、どの手法を採用すべきですか？
- A. 教師あり学習
- B. 教師なし学習
- C. 強化学習
- D. 人間のフィードバックを用いた強化学習（RLHF）
この問題を見る →
Q7. ある企業は四半期ごとに需要予測を行い、予測結果に基づいて在庫および運用を最適化しています。この予測にはMLモデルが使用されています。機械学習エンジニアは、トレーニング済みMLモデルに関する報告書を作成し、ステークホルダーに対して透明性および説明可能性を提供したいと考えています。透明性および説明可能性の要件を満たすために、エンジニアは報告書にどのような内容を含めるべきですか？
- A. モデルのトレーニングコード
- B. 部分依存プロット（PDP）
- C. トレーニングに使用したサンプルデータ
- D. モデル収束表
この問題を見る →
Q8. 生成AIモデルのユースケースとして適切なのはどれですか？
- A. 侵入検知システムを用いてネットワークセキュリティを強化する。
- B. テキストによる説明に基づいて、デジタルマーケティング向けのリアルな画像を生成する。
- C. インデックスの最適化によってデータベースのパフォーマンスを向上させる。
- D. 金融データを分析して株式市場の動向を予測する。
この問題を見る →
Q9. あるエンジニアが、大規模言語モデル（LLM）を使用して営業活動向けのコンテンツを作成しています。生成されたコンテンツは一見信頼でき、事実に基づいているように見えますが、実際には不正確です。このLLMはどのような問題を起こしていますか？
- A. データ漏洩
- B. ハルシネーション（幻覚）
- C. 過学習
- D. 学習不足
この問題を見る →
Q10. ある企業が、防護メガネの画像を生成するソリューションを構築しようとしています。どのソリューションがこれらの要件を満たしますか？
- A. Amazon SageMaker Ground Truth Plus を使用したヒューマン・イン・ザ・ループ検証
- B. Amazon Bedrock の知識ベースを用いたデータ拡張
- C. Amazon Rekognition を用いた画像認識
- D. Amazon QuickSight を用いたデータ集計
この問題を見る →
Q11. あるセキュリティ企業が、Amazon Bedrock を使用して基盤モデル（FM）を実行しています。同社は、承認されたユーザーのみがモデルにアクセスできるようにしたいと考えています。同社は、基盤モデルへのアクセス試行を識別する必要があり、その結果に基づいて適切なAWS Identity and Access Management（IAM）ポリシーおよびロールを設定する必要があります。同社は、Amazon Bedrock へのアクセス試行を識別するために、どのAWSサービスを使用すべきですか？
- A. AWS Audit Manager
- B. AWS CloudTrail
- C. Amazon Fraud Detector
- D. AWS Trusted Advisor
この問題を見る →
Q12. ある企業が、PDF形式で提出されたすべての履歴書を審査しています。企業の成長に伴い、履歴書の提出数が審査能力を上回ることが予想されます。同社は、PDF形式の履歴書をプレーンテキスト形式に自動変換するシステムを必要としており、その後の追加処理を可能にしたいと考えています。どのAWSサービスがこの要件を満たしますか？
- A. Amazon Textract
- B. Amazon Personalize
- C. Amazon Lex
- D. Amazon Transcribe
この問題を見る →
Q13. ある企業が、自社製品マニュアル向けのチャットインターフェイスを開発するために、大規模言語モデル（LLM）およびAmazon Bedrock を活用したいと考えています。マニュアルはPDFファイル形式で保存されています。これらの要件を最も経済的かつ効率的に満たすソリューションはどれですか？
- A. Amazon Bedrock にプロンプトを送信する際に、プロンプトエンジニアリングを用いて1つのPDFファイルをユーザープロンプトのコンテキストとして追加する。
- B. Amazon Bedrock にプロンプトを送信する際に、プロンプトエンジニアリングを用いてすべてのPDFファイルをユーザープロンプトのコンテキストとして追加する。
- C. すべてのPDF文書を用いてAmazon Bedrock と連携してモデルをファインチューニングし、ファインチューニング後のモデルでユーザープロンプトを処理する。
- D. PDF文書をAmazon Bedrock の知識ベースにアップロードし、ユーザーがAmazon Bedrock にプロンプトを送信する際に、知識ベースからコンテキストを提供する。
この問題を見る →
Q14. 人工知能および自然言語処理（NLP）モデルが、テキスト情報の理解を向上させるために、現実世界のオブジェクトおよび概念を数値表現に変換する際に用いる用語は何ですか？
- A. 埋め込み（Embedding）
- B. トークン化（Tokenization）
- C. モデル（Model）
- D. バイナリファイル（Binary File）
この問題を見る →
Q15. ある企業が、既存のデータに基づいて合成データを生成するアプリケーションを構築しようとしています。この要件を満たすために、企業はどのタイプのモデルを活用できますか？
- A. 生成的敵対的ネットワーク（GAN）
- B. XGBoost
- C. 残差ニューラルネットワーク（ResNet）
- D. ウェーブネット（WaveNet）
この問題を見る →
Q16. ある企業が、生成AIを活用して開発者の作業効率およびソフトウェア開発品質を向上させたいと考えています。同社はAmazon Q Developer を利用することを検討しています。Amazon Q Developer は、これらの要件を満たすために何ができるでしょうか？
- A. ソフトウェアスニペットの作成、参照トレース、およびオープンソースライセンスのトレース。
- B. サーバーの設定や管理を必要とせずにアプリケーションを実行できる。
- C. 音声コマンドによるコーディングおよび自然言語検索を可能にする。
- D. MLモデルを用いて音声ファイルをテキストドキュメントに変換する。
この問題を見る →
Q17. ある企業が Amazon Bedrock を使用してアプリケーションを作成したいと考えています。同社の予算は限られており、長期的なコミットメントなしで柔軟性を確保したいと考えています。どの Amazon Bedrock の課金モデルがこれらの要件を満たしますか？
- A. オンデマンド
- B. モデルカスタマイズ
- C. プロビジョニング済みスループット
- D. スポットインスタンス
この問題を見る →
Q18. 生成AIモデルにおいて、「トークン（token）」とは何ですか？
- A. トークンは入力および出力の基本単位であり、生成AIモデルが操作する単語、サブワード、またはその他の言語単位を表します。
- B. 代名詞（pronoun）は、生成AIモデルで使用される単語や概念の数学的表現です。
- C. トークンは、特定のタスクに微調整された生成AIモデルの事前学習済み重みです。
- D. トークンは、生成AIモデルが出力を生成する際に使用する特定のプロンプトまたは指示です。
この問題を見る →
Q19. 金融機関が Amazon Bedrock を使用して生成AIアプリケーションを開発しています。このアプリケーションは VPC 内にホストされています。規制コンプライアンス要件を満たすため、VPC はインターネットトラフィックへのアクセスを一切許可していません。これらの要件を満たす AWS サービスまたは機能はどれですか？
- A. AWS PrivateLink
- B. Amazon Macie
- C. Amazon CloudFront
- D. インターネットゲートウェイ
この問題を見る →
Q20. ある企業が物体検出用のディープラーニングモデルを構築し、本番環境にデプロイしました。このモデルが画像を分析して物体を識別する際、どの生成AIプロセスが発生しますか？
- A. トレーニング
- B. 推論
- C. モデルデプロイ
- D. バイアス補正
この問題を見る →
Q21. ある企業が Amazon SageMaker Studio のノートブックを使用して ML モデルを構築およびトレーニングしています。データは Amazon S3 バケットに保存されています。同社は、Amazon S3 から SageMaker Studio ノートブックへのデータフローを管理する必要があります。この要件を満たすソリューションはどれですか？
- A. Amazon Inspector を使用して SageMaker Studio を監視する。
- B. Amazon Macie を使用して SageMaker Studio を監視する。
- C. SageMaker を、S3 エンドポイントを備えた VPC を使用するように設定する。
- D. SageMaker を、S3 Glacier Deep Archive を使用するように設定する。
この問題を見る →
Q22. ある企業が特定のドメイン向けのモデルを使用したいと考えています。同社は、ゼロからモデルを構築することを避けたいと考えています。代わりに、事前学習済みモデルを調整し、自社の関連タスク向けにモデルを構築したいと考えています。これらの要件を満たす ML 戦略はどれですか？
- A. エポック数を増加させる。
- B. 転移学習（Transfer Learning）を使用する。
- C. エポック数を減少させる。
- D. 教師なし学習を使用する。
この問題を見る →
Q23. ある企業が生成AIを活用してアプリケーションを脅威から保護したいと考えています。生成AIソリューションは、IP アドレスが疑わしいソースから来ているかどうかをチェックする必要があります。これらの要件を満たすソリューションはどれですか？
- A. 音声認識システムを構築する。
- B. 自然言語処理（NLP）の固有表現抽出（NER）システムを作成する。
- C. 異常検知システムを開発する。
- D. 不正検知予測システムを作成する。
この問題を見る →
Q24. ある企業が大規模言語モデル（LLM）を用いてコード生成アプリケーションを開発したいと考えています。同社は、一般的なプロンプトエンジニアリング技術によって LLM が操作され、不適切な操作を実行したり、機密情報を漏洩させたりすることを防止する必要があります。これらのリスクを低減するための対策はどれですか？
- A. LLM が攻撃パターンを検出する方法を教えるプロンプトテンプレートを作成する。
- B. LLM の呼び出しリクエストに温度（temperature）パラメータを追加する。
- C. Amazon SageMaker にリストされていない LLM の使用を避ける。
- D. LLM の呼び出し時の入力トークン数を減らす。
この問題を見る →
Q25. ある企業が、製品の価格を予測するための機械学習モデルを開発しています。このモデルはトレーニングデータセット上で良好な性能を示していますが、本番環境にデプロイした際に、そのパフォーマンスが著しく低下しました。この問題を解決するために、企業は何を行うべきですか？
- A. トレーニングで使用するデータ量を減らす。
- B. モデルにハイパーパラメータを追加する。
- C. トレーニングで使用するデータ量を増やす。
- D. モデルのトレーニング時間を延長する。
この問題を見る →
Q26. ある企業が、Amazon Bedrock上のファウンデーションモデル（FM）を用いてチャットボットを作成したいと考えています。このFMは、Amazon S3バケットに保存された暗号化されたデータにアクセスする必要があります。データはAmazon S3マネージドキー（SSE-S3）で暗号化されています。FMがS3バケット内のデータにアクセスしようとした際にエラーが発生しています。これらの要件を満たす解決策はどれですか？
- A. Amazon Bedrockが引き受けるロールが、正しい暗号化キーを使用してデータを復号する権限を持っていることを確認する。
- B. S3バケットのアクセス許可をパブリックアクセスを許可するように設定し、インターネット経由でアクセスできるようにする。
- C. プロンプトエンジニアリング技術を用いて、モデルにAmazon S3内での情報検索を指示する。
- D. S3内のデータに機密情報が含まれていないことを確認する。
この問題を見る →
Q27. ある企業が、Amazon Bedrockを用いて作成したファウンデーションモデル（FM）を、顧客からの製品に関するクエリに回答する目的で使用しています。この企業は、モデルがクエリに対して一貫性のある応答を返すことを保証したいと考えています。そのため、Amazon Bedrockがモデル検証に使用できる新しいデータセットをアップロードする必要があります。これらの要件を満たすAWSサービスはどれですか？
- A. Amazon S3
- B. Amazon Elastic Block Store（Amazon EBS）
- C. Amazon Elastic File System（Amazon EFS）
- D. AWS Snowcone
この問題を見る →
Q28. ある企業が、大規模言語モデル（LLM）を用いた推論生成に関連するコストを評価したいと考えています。この企業は、Amazon Bedrockを用いて生成AIアプリケーションを構築したいと考えています。以下のうち、推論コストに影響を与える要因はどれですか？
- A. 消費されるトークン数
- B. 温度（temperature）値
- C. LLMのトレーニングに使用されたデータ量
- D. 総トレーニング時間
この問題を見る →
Q29. あるAI企業が、独立ソフトウェアベンダー（ISV）の支援を受けて自社のシステムおよびプロセスを定期的に評価しています。ISVによるコンプライアンス報告書が利用可能になった際に、同社は電子メール通知を受け取りたいと考えています。この要件を満たすために、どのAWSサービスを利用すべきですか？
- A. AWS Audit Manager
- B. AWS Artifact
- C. AWS Trusted Advisor
- D. AWS Data Exchange
この問題を見る →
Q30. ある企業が、Amazon Bedrock上の大型言語モデル（LLM）を用いて感情分析を行いたいと考えています。この企業は、LLMが与えられた入力プロンプトに対して一貫性のある応答を返すことを求めています。これらの要件を満たすために、推論パラメータをどのように調整すべきですか？
- A. 温度（temperature）値を下げる。
- B. 温度（temperature）値を上げる。
- C. 出力トークンの長さを短くする。
- D. 最大生成長を増やす。
この問題を見る →
Q31. ある企業が、Amazon Bedrock上でAmazon Titanファウンデーションモデル（FM）を実装しています。この企業は、自社のプライベートデータソースから関連データを取得し、モデルの能力を補強したいと考えています。このような要件を満たす解決策はどれですか？
- A. 異なるFMを使用する。
- B. より低い温度（temperature）値を選択する。
- C. Amazon Bedrock Knowledge Baseを作成する。
- D. モデル呼び出しログを有効化する。
この問題を見る →
Q32. ある企業が、ユーザーが「1つの瓶に赤いビー玉が6個、緑色のビー玉が4個、黄色のビー玉が3個入っています。瓶から緑色のビー玉を選ぶ確率はいくらですか？」という質問に答える教育用ゲームを開発しようとしています。これらの要件を満たすために、最小限の実行オーバーヘッドで実現できる解決策はどれですか？
- A. 教師あり学習を用いて確率を予測する回帰モデルを作成する。
- B. 強化学習を用いて確率を返すモデルを訓練する。
- C. 単純なルールと計算を用いたコードで確率を算出する。
- D. 教師なし学習を用いて確率密度を推定するモデルを作成する。
この問題を見る →
Q33. Amazon SageMaker Clarify はどのような機能を提供しますか？
- A. 統合検索拡張生成 (RAG) ワークフロー
- B. 本番環境における機械学習 (ML) モデルの品質監視
- C. 機械学習 (ML) モデルに関する重要な詳細の記録
- D. データ準備プロセスにおける潜在的なバイアスの特定
この問題を見る →
Q34. ある企業が機械学習（ML）モデルを構築しようとしています。この企業はデータを収集し、相関行列を作成し、統計情報を計算し、データを可視化することでデータを分析しています。この企業は現在、MLパイプラインのどの段階を実行していますか？
- A. データ前処理
- B. 特徴量エンジニアリング
- C. 探索的データ分析（EDA）
- D. ハイパーパラメータ調整
この問題を見る →
Q35. ある企業の文書はデータベースエラーにより単語が欠落しています。この企業は、欠落したテキストを埋めるために適切な単語を提案できるMLモデルを構築したいと考えています。このような要件を満たすモデルの種類はどれですか？
- A. トピックモデリング
- B. クラスタリングモデル
- C. 規定型MLモデル
- D. BERTベースのモデル
この問題を見る →
Q36. ある企業がチャットボットを構築しており、ユーザー体験の向上を目指しています。同社はAmazon Bedrockの基礎モデル（LLM）を用いて意図検出を実施しようとしています。また、少数ショット学習（few-shot learning）を活用して意図検出の精度を高めたいと考えています。これらの要件を満たすために、企業が必要とするデータはどれですか？
- A. チャットボットの応答と正しいユーザー意図のペア
- B. ユーザーのメッセージと正しいチャットボット応答のペア
- C. ユーザーのメッセージと正しいユーザー意図のペア
- D. ユーザー意図と正しいチャットボット応答のペア
この問題を見る →
Q37. ある企業が、質問応答型の大型言語モデル（LLM）チャットボットを構築しています。同社は、カスタマーサポート担当者が顧客の質問に回答する際に実施するアクション数を削減することを目標としています。このLLMチャットボットの効果を評価するために、企業が採用すべき指標はどれですか？
- A. ウェブサイトのエンゲージメント率
- B. 平均通話時間
- C. 企業の社会的責任（CSR）
- D. コンプライアンス
この問題を見る →
Q38. ある企業が、Amazon Bedrock上でホストされている基礎モデルを用いて、少数のプロンプト例を含むプロンプトエンジニアリングを実施しています。現在、プロンプトには10個の例が含まれており、モデルは良好に動作しています。企業は、月間コストを削減したいと考えています。この要件を満たすソリューションはどれですか？
- A. カスタムモデルのファインチューニングを行う。
- B. プロンプト内のトークン数を削減する。
- C. プロンプトの数を増やす。
- D. 「プロビジョニング済みスループット」を利用する。
この問題を見る →
Q39. ある企業が植物の画像を分類し、病気の有無を予測するための画像分類モデルを構築しました。この企業は、モデルが正しく分類した画像の枚数を評価したいと考えています。このモデルの性能を測定するために使用すべき評価指標はどれですか？
- A. R²スコア
- B. 正解率（Accuracy）
- C. 二乗平均平方根誤差（RMSE）
- D. 学習率
この問題を見る →
Q40. ある大手小売業者は、毎日数千件の製品に関するカスタマーサポート問い合わせを受け取っています。これらの問い合わせには迅速な対応と返信が求められます。同社はAmazon Bedrockエージェントを導入しようとしています。Amazon Bedrockエージェントの導入によって、この小売業者が得られる主なメリットは何ですか？
- A. カスタマーの需要を予測するためのカスタム基礎モデル（FM）の生成
- B. 反復作業の自動化および複雑なワークフローの調整
- C. 複数の基礎モデル（FM）を自動的に呼び出して結果を統合
- D. 事前に定義された基準および指標に基づいて基礎モデル（FM）を選択
この問題を見る →
Q41. ある企業が基礎モデル（FM）のトレーニングを実施しています。同社は、モデルの精度を特定の目標水準まで向上させたいと考えています。この要件を満たすソリューションはどれですか？
- A. バッチサイズを減少させる。
- B. エポック数を増加させる。
- C. エポック数を減少させる。
- D. 温度パラメータを増加させる。
この問題を見る →
Q42. ある企業が、画像を用いて自然言語の質問に回答するチャットボットを構築しました。この企業は、チャットボットが不適切または不要な画像を返さないようにしたいと考えています。このような要件を満たすソリューションはどれですか？
- A. 審査APIを実装する。
- B. 一般公開データセットを用いてモデルを再学習する。
- C. モデル検証を実行する。
- D. ユーザーからのフィードバックを自動統合する。
この問題を見る →
Q43. ある法律事務所が、大規模言語モデル（LLM）を活用して、法務文書を読み取り、そこから要点を抽出するAIアプリケーションを構築しようとしています。このような要件を満たすソリューションはどれですか？
- A. 自動固有表現認識（NER）システムを構築する。
- B. レコメンデーションエンジンを作成する。
- C. 要約機能付きチャットボットを開発する。
- D. 多言語翻訳システムを開発する。
この問題を見る →
Q44. ある企業が、遺伝的特徴に基づいて患者の遺伝子を20クラスに分類したいと考えています。また、この企業は、機械学習（ML）モデルの内部メカニズムが最終的な出力結果にどのように影響するかを可視化・解釈可能な形で把握したいと考えています。このような要件を満たすMLアルゴリズムはどれですか？
- A. 決定木
- B. 線形回帰
- C. ロジスティック回帰
- D. ニューラルネットワーク
この問題を見る →
Q45. ある企業が、Amazon BedrockおよびAmazon S3に保存された顧客データを活用して、大規模言語モデル（LLM）アプリケーションを開発しようとしています。同社のセキュリティポリシーでは、各チームが自チームの顧客データのみにアクセスできるように定められています。このような要件を満たすソリューションはどれですか？
- A. 各チームごとに、当該チームの顧客データのみにアクセス可能なAmazon Bedrockカスタムサービスロールを作成する。
- B. Amazon S3へのアクセス権限を持つカスタムサービスロールを作成し、各チームが各Amazon Bedrockリクエストで顧客名を指定することを要求する。
- C. Amazon S3内の個人データを再編集し、S3バケットポリシーを更新してチームが顧客データにアクセスできるようにする。
- D. 完全なAmazon S3アクセス権限を持つAmazon Bedrockロールを作成し、各チームごとに当該チームの顧客フォルダのみにアクセス可能なIAMロールを作成する。
この問題を見る →
Q46. ある企業が、Amazon Bedrock上の大型言語モデル（LLM）を用いて感情分析を行おうとしています。同社は、1つのプロンプトに含めることのできる情報量を知りたいと考えています。企業が判断を行う際に考慮すべき要因はどれですか？
- A. 温度（Temperature）
- B. コンテキストウィンドウ（Context Window）
- C. バッチサイズ（Batch Size）
- D. モデルサイズ（Model Size）
この問題を見る →
Q47. あるAI開発者が、画像中の材料タイプを分類するためのディープラーニングモデルを構築しました。現在、このAI開発者はモデルの性能を評価したいと考えています。以下の指標のうち、モデルの性能評価を支援できるのはどれですか？
- A. 混同行列（Confusion Matrix）
- B. 相関行列（Correlation Matrix）
- C. R2スコア（R² Score）
- D. 平均二乗誤差（MSE: Mean Squared Error）
この問題を見る →
Q48. あるAI開発者が、職業に関係なく多様な人物の画像を生成するモデルを構築しています。このAI開発者は、入力データにバイアスが存在し、それが画像生成およびモデルの出力に偏りを生じさせていることに気づきました。このような問題を解決するために使用できる技術はどれですか？
- A. 不均衡クラスに対するデータ拡張
- B. クラス分布に対するモデル監視
- C. 検索拡張生成（RAG: Retrieval-Augmented Generation）
- D. 画像ウォーターマーク検出
この問題を見る →
Q49. ある企業が、アーカイブされたデータを分析するためのMLモデルを構築しようとしています。同社は、数GB規模の大規模データセットに対して推論を実行する必要がありますが、モデルの予測結果を即時に取得する必要はありません。このような要件を満たすAmazon SageMakerの推論オプションはどれですか？
- A. バッチ変換（Batch Transform）
- B. リアルタイム推論（Real-time Inference）
- C. サーバーレス推論（Serverless Inference）
- D. 非同期推論（Asynchronous Inference）
この問題を見る →
Q50. ある企業が、Amazon Bedrockから社内用途向けにモデルを選択する必要があります。この企業は、従業員が好むスタイルで応答を生成できるモデルを確実に選定しなければなりません。この要件を満たすには、どのアプローチを採用すべきでしょうか？
- A. 組み込みのプロンプトデータセットを使用してモデルを評価する。
- B. 人手による評価とカスタムプロンプトデータセットを用いてモデルを評価する。
- C. パブリックなモデルランキングを参照してモデルを特定する。
- D. Amazon CloudWatch内のモデルのInvocationLatencyランタイムメトリクスを活用してモデルを試行する。
この問題を見る →
Q51. ある企業が、生成AIソリューションのセキュリティ責任を評価するために、生成AIの責任共有モデルを活用しようとしています。この企業は、責任共有モデルに基づき、複数の異なる生成AIソリューションの範囲を定義しました。これらのソリューション範囲のうち、企業に最も大きなセキュリティ責任を課すのはどれでしょうか？
- A. 埋め込み型生成AI機能を備えたサードパーティ製エンタープライズアプリケーションを利用する。
- B. 既存のサードパーティ製生成AI基礎モデル（FM）を用いてアプリケーションを構築する。
- C. 既存のサードパーティ製生成AI基礎モデル（FM）を、業務特化データを用いてファインチューニングして改良する。
- D. 顧客が所有する業務特化データを用いて、ゼロから生成AIモデルを構築・訓練する。
この問題を見る →
Q52. ある企業が、本番環境でAmazon SageMakerをMLパイプラインに使用しています。入力データ量は最大1GB、処理時間は最大1時間です。企業は、ほぼリアルタイムの遅延を必要としています。どのAmazon SageMaker推論オプションがこれらの要件を満たしますか？
- A. リアルタイム推論
- B. サーバーレス推論
- C. 非同期推論
- D. バッチ変換
この問題を見る →
Q53. ある企業が、言語モデルを用いてエッジデバイス上で推論アプリケーションを構築したいと考えています。この推論は、可能な限り低い遅延を実現する必要があります。どのソリューションがこれらの要件を満たしますか？
- A. エッジデバイス上に最適化された小型言語モデル（SLM）を展開する。
- B. エッジデバイス上に最適化された大規模言語モデル（LLM）を展開する。
- C. エッジデバイスと非同期通信を行うための集中型小型言語モデル（SLM）APIを統合する。
- D. エッジデバイスと非同期通信を行うための集中型大規模言語モデル（LLM）APIを統合する。
この問題を見る →
Q54. ある企業が、Amazon SageMakerを用いてMLモデルを構築しようとしています。この企業は、複数のチーム間でモデル開発に使用される特徴量を共有・管理する必要があります。SageMakerのどの機能がこれらの要件を満たしますか？
- A. Amazon SageMaker Feature Store
- B. Amazon SageMaker Data Wrangler
- C. Amazon SageMaker Clarify
- D. Amazon SageMaker Model Cards
この問題を見る →
Q55. ある企業が、事前学習済みの大規模言語モデル（LLM）を用いて、製品推薦のためのチャットボットを構築しようとしています。この企業は、LLMの出力を簡潔かつ特定の言語で生成することを要求しています。どのソリューションがLLMの応答品質を企業の期待に合わせるのに最も効果的でしょうか？
- A. プロンプトを調整する。
- B. 異なるサイズのLLMを選択する。
- C. 温度（temperature）を上げる。
- D. トップK値を大きくする。
この問題を見る →
Q56. ある企業が、Amazon Bedrockの基礎モデル（FM）を生成AI検索ツールに活用しています。この企業は、自社のデータを用いてモデルをファインチューニングし、精度を向上させたいと考えています。どの戦略がモデルのファインチューニングを成功裏に実施するのに有効でしょうか？
- A. プロンプトフィールドとコンプリーションフィールドを含むラベル付きデータを提供する。
- B. 複数行の.csv形式を含む.txtファイルを作成して訓練データセットを準備する。
- C. Amazon BedrockのProvisioned Throughputを購入する。
- D. 学術誌および教科書を用いてモデルを訓練する。
この問題を見る →
Q57. あるAI開発者が、動物の写真データベースを所有しています。このAI開発者は、ユーザーが写真をアップロードした際に、自動的に写真内の動物を識別・分類する機能を実装したいと考えています。どの戦略がこれらの要件を満たしますか？
- A. オブジェクト検出
- B. 異常検出
- C. 固有表現抽出（NER）
- D. インペインティング
この問題を見る →
Q58. ある研究会社が、Amazon Bedrock のファウンデーションモデル（FM）を活用してチャットボットを実装しました。このチャットボットは、専門的な研究論文のデータベースから質問に対する回答を検索します。多数のプロンプトエンジニアリングの試行後、同社は、研究論文に含まれる科学用語が非常に複雑であるため、FM のパフォーマンスが不十分であることに気づきました。同社は、チャットボットのパフォーマンスを向上させるにはどうすればよいでしょうか？
- A. FM が質問にどのように答えるかを定義する、ごく短いプロンプトを使用する。
- B. ドメイン適応型ファインチューニングを用いて、FM を複雑な科学用語に適応させる。
- C. FM の推論パラメータを変更する。
- D. 研究論文のデータをクリーニングし、複雑な科学用語を削除する。
この問題を見る →
Q59. ある医療会社が Amazon Bedrock 上に疾患検出モデルをデプロイしています。プライバシー方針を遵守するため、同社はモデルの応答に患者の個人情報を含めないよう希望しています。また、ポリシー違反が発生した際に通知を受け取ることも希望しています。このような要件を満たすソリューションはどれですか？
- A. Amazon Macie を使用して、モデル出力内の機密データをスキャンし、潜在的な違反に対してアラートを設定する。
- B. AWS CloudTrail を構成してモデルの応答を監視し、検出された個人情報に対してアラートを作成する。
- C. Amazon Bedrock の Guardrails を使用してコンテンツをフィルタリングする。Amazon CloudWatch アラートを設定し、ポリシー違反を通知する。
- D. Amazon SageMaker Model Monitor を実装してデータドリフトを検出し、モデル品質が低下した際にアラートを受信する。
この問題を見る →
Q60. ある教育機関が、生成AIモデルを用いた質問応答アプリケーションを開発中です。このアプリケーションは、複雑な概念を説明するために生成AIモデルを活用します。教育機関は、質問者の状況に応じて、モデルの回答スタイルを自動的に調整したいと考えています。このような要件を最小限の実装作業で満たすソリューションはどれですか？
- A. アプリケーションがサポートする異なる年齢層を代表する追加の訓練データを用いて、モデルをファインチューニングする。
- B. プロンプトコンテキストにロール記述を追加し、モデルがどの年齢層のユーザー向けに応答すべきかを指示する。
- C. チェーン・オブ・ソート（CoT）推論を用いて、該当ユーザーに適した正しい応答スタイルおよび難易度を導き出す。
- D. ユーザーの年齢に基づいて応答テキストを要約し、若いユーザーにはより短い応答を提供する。
この問題を見る →
Q61. あるソーシャルメディア企業が、大規模言語モデル（LLM）をコンテンツモデレーションに活用しようとしています。同社は、LLM の出力を評価し、特定のグループや個人に対する偏見および潜在的な差別が存在するかどうかを確認したいと考えています。LLM の出力を評価するには、どのデータソースを用いるべきですか？
- A. ユーザー生成コンテンツ
- B. モデレーションログ
- C. コンテンツモデレーションガイドライン
- D. ベンチマークデータセット
この問題を見る →
Q62. 画像分類タスクで使用されるファウンデーションモデル（FM）の精度を評価するには、どの戦略が適切ですか？
- A. モデルが使用するリソースの総コストを計算する。
- B. 事前に定義されたベンチマークデータセットに基づいてモデルの精度を測定する。
- C. ニューラルネットワークのレイヤー数を計算する。
- D. モデルが処理する画像の色再現精度を評価する。
この問題を見る →
Q63. ある企業のデータベースには、ビジネス分析に利用可能なテラバイト級のデータがあります。同社は、従業員が入力したテキストに基づいて SQL クエリを生成する生成AIアプリケーションを構築したいと考えています。従業員は技術的な知識がほとんどありません。このような要件を満たすソリューションはどれですか？
- A. 生成型事前学習変換器（GPT）
- B. 残差ニューラルネットワーク
- C. サポートベクターマシン
- D. ウェーブレットネットワーク
この問題を見る →
Q64. AI モデルの実行効率を測定する指標として、どれが適切ですか？
- A. 顧客満足度スコア（CSAT）
- B. 各エポックの訓練時間
- C. 平均応答時間
- D. 訓練インスタンス数
この問題を見る →
Q65. ファウンデーションモデル（FM）を微調整する際、継続的プリトレーニングの利点として適切なのはどれですか？
- A. モデルの複雑さを低減するのに役立つ。
- B. 時間の経過とともにモデルのパフォーマンスを向上させる。
- C. 訓練時間の要件を削減する。
- D. モデルの推論時間を最適化する。
この問題を見る →
Q66. ある開発者が、基礎モデル（FM）を活用して検索アプリケーションを設計しようとしています。この開発者は、どのタイプの基礎モデルを採用すべきですか？
- A. マルチモーダル埋め込みモデル
- B. テキスト埋め込みモデル
- C. マルチモーダル生成モデル
- D. 画像生成モデル
この問題を見る →
Q67. ある企業が、Amazon Bedrock の基礎モデルを活用して社内用途向けの文書要約を行おうとしています。同社は独自のカスタムモデルをトレーニングし、要約品質を向上させました。この企業が Amazon Bedrock を通じてカスタムモデルを利用するには、どのような操作が必要ですか？
- A. カスタムモデルに対してプロビジョンドスループットを購入する。
- B. リアルタイム推論のために Amazon SageMaker エンドポイントにカスタムモデルをデプロイする。
- C. Amazon SageMaker モデルレジストリにモデルを登録する。
- D. Amazon Bedrock 内のカスタムモデルへのアクセス権限を付与する。
この問題を見る →
Q68. ある企業が、生成AIを活用してソリューションを構築しました。このソリューションでは、大規模言語モデル（LLM）を用いてトレーニングマニュアルを英語からその他の言語へ翻訳します。同社は、生成されたマニュアルのテキストを検証することで、ソリューションの正確性を評価したいと考えています。このような要件を満たすモデル評価戦略はどれですか？
- A. バイリンガル評価研究（BLEU）
- B. 二乗平均平方根誤差（RMSE）
- C. 再現率重視のGisting評価研究（ROUGE）
- D. F1スコア
この問題を見る →
Q69. 企業が Amazon Bedrock 上で大規模言語モデル（LLM）を安全に利用するには、どのような対策が必要ですか？
- A. 明確かつ具体的なプロンプトを設計し、AWS Identity and Access Management（IAM）ロールおよびポリシーを設定する。
- B. 自動モデル評価ジョブ向けに AWS Audit Manager を有効化する。
- C. Amazon Bedrock の自動モデル評価ジョブを有効化する。
- D. Amazon CloudWatch Logs を使用してモデルの説明可能性を高め、バイアスを監視する。
この問題を見る →
Q70. ある企業が、顧客サービス向けチャットボットを構築しようとしています。このチャットボットは、過去のインタラクションおよびオンラインリソースを学習することで、自身の応答を改善することを希望しています。このような自己改善能力を提供するAI学習戦略はどれですか？
- A. 人手で編集された良好な応答および不良な応答のデータセットを用いた教師あり学習
- B. 顧客の肯定的フィードバックに基づく報酬を与える強化学習
- C. 類似の顧客問い合わせをクラスタリングする教師なし学習
- D. 継続的に更新されるFAQデータベースを用いた教師あり学習
この問題を見る →
Q71. ある企業が、事前訓練済みのAI生成モデルを活用してマーケティング向けコンテンツを生成したいと考えています。同社は、生成されるコンテンツが自社のブランドトーンおよび情報要件に合致することを保証する必要があります。このような要件を満たすソリューションはどれですか？
- A. モデルのアーキテクチャおよびハイパーパラメータを最適化し、全体的なパフォーマンスを向上させる。
- B. モデルアーキテクチャのレイヤー数を増加させることで、モデルの複雑性を高める。
- C. 明確な指示およびコンテキストを提供する効果的なプロンプトを作成し、モデルの生成をガイドする。
- D. 新しい生成モデルを事前訓練するために、大規模かつ多様なデータセットを選択する。
この問題を見る →
Q72. ある大学の学生が、生成AIの出力をコピーして論文を執筆しようとしています。このような状況は、生成AIの責任に関するどの課題を表していますか？
- A. 毒性
- B. ハルシネーション
- C. 盗用
- D. プライバシー
この問題を見る →
Q73. ある企業が、顧客を支援するチャットボットを構築しようとしています。このチャットボットは技術的な質問に対応し、人的介入を必要としないことを目指しています。同社はチャットボット向けに基礎モデル（FM）を選定しました。このチャットボットは、自社のトーンに合致した応答を生成する必要があります。このような要件を満たすソリューションはどれですか？
- A. FMが生成するトークン数の下限を設定する。
- B. 詳細な応答を処理するためにバッチ推論を用いる。
- C. プロンプトを試行・改善し、FMが所望の応答を生成するまで調整する。
- D. 温度パラメータに高い数値を設定する。
この問題を見る →
Q74. ある企業が監視カメラを導入しました。この企業は、機械学習（ML）モデルを使用して監視カメラの映像を評価し、潜在的な盗難行為を検出しています。企業は、このモデルが特定の人種グループのメンバーを過剰に検出していることに気づきました。このようなタイプのバイアスは、モデルの出力にどのような影響を与えますか？
- A. 測定バイアス
- B. サンプリングバイアス
- C. 観察者バイアス
- D. 確認バイアス
この問題を見る →
Q75. ある企業は、Amazon Bedrock上の大規模言語モデル（LLM）を用いて感情分析を行いたいと考えています。同社は、テキスト段落の感情を「肯定的」または「否定的」の2カテゴリに分類したいと考えています。どのプロンプトエンジニアリング戦略がこれらの要件を満たしますか？
- A. プロンプト内で、対応する肯定的または否定的ラベル付きのテキスト段落の例を提示した後、新たに分類するテキスト段落を提供する。
- B. プロンプト内で、感情分析およびLLMの動作原理について詳細に説明する。
- C. 新たに分類するテキスト段落のみを提供し、追加のコンテキストや例を一切与えない。
- D. 新たなテキスト段落と、テキスト要約や質問応答など無関係なタスクの例を提供する。
この問題を見る →
Q76. どのAWSサービスまたは機能が、開発チームおよび運用チームが自社のVPC内に基礎モデル（FM）を迅速にデプロイ・利用することを支援できますか？
- A. Amazon Personalize
- B. Amazon SageMaker JumpStart
- C. Amazon Bedrock PlaygroundのPartyRock
- D. Amazon SageMakerエンドポイント
この問題を見る →
Q77. ある企業は、内部ソースから得られたPB規模の非構造化データを格納するデータベースを保有しています。この企業は、これらのデータを構造化フォーマットに変換し、データサイエンティストが機械学習（ML）タスクを実行できるようにしたいと考えています。どのサービスがこれらの要件を満たしますか？
- A. Amazon Lex
- B. Amazon Rekognition
- C. Amazon Kinesis Data Streams
- D. AWS Glue
この問題を見る →
Q78. ある企業は、数千件の顧客サポートインタラクションを処理しており、これらを分析して一般的な課題を特定し、洞察を得たいと考えています。この要件を満たすために、どのAWSサービスを利用できますか？
- A. Amazon Lex
- B. Amazon Comprehend
- C. Amazon Transcribe
- D. Amazon Translate
この問題を見る →
Q79. ある企業は生成AIを活用してソリューションを構築しています。このソリューションでは、大規模言語モデル（LLM）を用いてトレーニングマニュアルを英語からその他の言語に翻訳します。企業は、生成されたマニュアルのテキストを検査することで、このソリューションの正確性を評価したいと考えています。どのモデル評価戦略がこれらの要件を満たしますか？
- A. 双語評価代替指標（BLEU）
- B. 二乗平均平方根誤差（RMSE）
- C. 再現率指向の代替評価法（ROUGE）
- D. F1スコア
この問題を見る →
Q80. ある企業は、提出されたPDF形式の履歴書をすべて自動で審査しています。企業の成長に伴い、履歴書の提出量が社内の審査能力を上回ることが予想されています。そのため、企業はPDF履歴書をプレーンテキスト形式に変換する自動化システムを必要としており、その後の処理を容易にしたいと考えています。どのAWSサービスがこの要件を満たしますか？
- A. Amazon Textract
- B. Amazon Personalize
- C. Amazon Lex
- D. Amazon Transcribe
この問題を見る →
Q81. ある企業は生成AIを活用してソリューションを構築しています。このソリューションでは、大規模言語モデル（LLM）を用いてトレーニングマニュアルを英語からその他の言語に翻訳します。企業は、生成されたマニュアルのテキストを検査することで、このソリューションの正確性を評価したいと考えています。どのモデル評価戦略がこれらの要件を満たしますか？
- A. 双語評価代替指標（BLEU）
- B. 二乗平均平方根誤差（RMSE）
- C. 再現率指向の代替評価法（ROUGE）
- D. F1スコア
この問題を見る →
Q82. ある企業が、言語モデルを活用してエッジデバイス上で推論を行うアプリケーションを開発したいと考えています。この推論は可能な限り低いレイテンシを実現する必要があります。どのソリューションがこれらの要件を満たしますか？
- A. エッジデバイス上に最適化された小型言語モデル（SLM）を展開する。
- B. エッジデバイス上に最適化された大規模言語モデル（LLM）を展開する。
- C. エッジデバイスと非同期通信を行うための集中型小型言語モデル（SLM）APIを統合する。
- D. エッジデバイスと非同期通信を行うための集中型大規模言語モデル（LLM）APIを統合する。
この問題を見る →
Q83. ある企業が、植物の葉の画像から植物病害を予測するための画像分類モデルを構築しました。この企業は、該当モデルがどれだけ多くの画像を正しく分類したかを評価したいと考えています。企業は、モデルのパフォーマンスを測定するためにどの評価指標を用いるべきですか？
- A. R二乗スコア
- B. 正確性（Accuracy）
- C. 平均平方根誤差（RMSE）
- D. 学習率
この問題を見る →
Q84. ある企業が、社内ユースケース向けにドキュメント要約を行うためにAmazon Bedrockの基盤モデルを活用しようとしています。同社は、要約品質を向上させるためのカスタムモデルをトレーニングしました。企業がAmazon Bedrock経由でこのカスタムモデルを利用するには、どのようなアクションを取る必要がありますか？
- A. カスタムモデル向けに事前設定されたスループットを購入する。
- B. リアルタイム推論を実現するために、Amazon SageMakerエンドポイントにカスタムモデルをデプロイする。
- C. Amazon SageMakerモデルレジストリに該当モデルを登録する。
- D. Amazon Bedrock内のカスタムモデルへのアクセス権限を付与する。
この問題を見る →
Q85. ある企業は、数千件の顧客サポートインタラクションを分析し、共通の質問を特定してインサイトを得たいと考えています。この要件を満たすために、企業はどのAWSサービスを活用できますか？
- A. Amazon Lex
- B. Amazon Comprehend
- C. Amazon Transcribe
- D. Amazon Translate
この問題を見る →
Q86. ある企業が、大規模言語モデル（LLM）に基づくQ&Aチャットボットを開発しています。同社は、顧客質問への対応に必要なコールセンター従業員の作業量を削減したいと考えています。LLMチャットボットの効果を評価するために、企業が採用すべきビジネス指標はどれですか？
- A. ウェブサイト参加率
- B. 平均通話時間
- C. 企業の社会的責任（CSR）
- D. 規制遵守性
この問題を見る →
Q87. ある企業が、Amazon Bedrockを活用してAmazon Titan基盤モデル（FM）を実装しています。同社は、自社のプライベートデータソースから関連データを活用して、このモデルの能力を補強したいと考えています。どのソリューションがこの要件を満たしますか？
- A. 異なる基盤モデル（FM）を使用する。
- B. より低い温度（temperature）値を選択する。
- C. Amazon Bedrock知識ベースを作成する。
- D. モデル呼び出しログ記録を有効化する。
この問題を見る →
Q88. あるデジタル機器メーカーが、顧客のメモリハードウェア需要を予測したいと考えています。同社にはコーディング経験や機械学習アルゴリズムに関する知識がなく、データ駆動型の予測モデルを開発する必要があります。また、内部データと外部データの両方を分析する必要があります。どのソリューションがこれらの要件を満たしますか？
- A. データをAmazon S3に保存し、Amazon SageMakerの組み込みアルゴリズムを用いてS3内のデータから機械学習モデルを作成し、需要予測を行う。
- B. データをAmazon SageMaker Data Wranglerにインポートし、SageMakerの組み込みアルゴリズムを用いて機械学習モデルを作成し、需要予測を行う。
- C. データをAmazon SageMaker Data Wranglerにインポートし、Amazon PersonalizeのTrending-Nowテンプレートを用いて機械学習モデルを作成し、需要予測を行う。
- D. データをAmazon SageMaker Canvasにインポートし、SageMaker Canvas内でデータの値を選択して機械学習モデルを作成し、需要予測を行う。
この問題を見る →
Q89. AIモデルの実行効率を測定するために使用できる指標はどれですか？
- A. 顧客満足度スコア（CSAT）
- B. 各イテレーションサイクルにおけるトレーニング時間
- C. 平均応答時間
- D. トレーニングインスタンスの数
この問題を見る →
Q90. ある企業が、Amazon Bedrock上の基盤モデル（FM）を活用してチャットボットを開発したいと考えています。この基盤モデルは、Amazon S3バケットに保存された暗号化されたデータにアクセスする必要があります。データはAmazon S3マネージドキー（SSE-S3）で暗号化されています。 FMがS3バケットのデータにアクセスしようとした際にエラーが発生しています。この要件を満たすソリューションはどれですか？
- A. Amazon Bedrockが想定するロールが、正しい暗号化キーを使用してデータを復号する権限を持っていることを確認します。
- B. S3バケットのアクセス許可を、インターネット経由でのアクセスを可能にするようにパブリックアクセスを許可する設定に変更します。
- C. プロンプトエンジニアリング技術を用いて、モデルにAmazon S3内で情報を検索するよう指示します。
- D. S3内のデータに機密情報が含まれていないことを保証します。
この問題を見る →
Q91. ある企業が、Amazon Bedrockから社内利用向けにモデルを選択する必要があります。同社は、生成される応答のスタイルが従業員の好みに合致することを保証しなければなりません。この要件を満たすために、同社はどのような措置を講じるべきですか？
- A. 組み込みのプロンプトデータセットを用いてこれらのモデルを評価します。
- B. 人手による評価とカスタムプロンプトデータセットを用いてこれらのモデルを評価します。
- C. パブリックなモデルランキングを用いてモデルを特定します。
- D. モデルを試行する際、Amazon CloudWatchのModelInvocationLatencyランタイムメトリクスを用います。
この問題を見る →
Q92. ある企業が基盤モデル（FM）のトレーニングを行っています。同社は、モデルの精度を特定の許容レベルまで向上させたいと考えています。この要件を満たすソリューションはどれですか？
- A. バッチサイズを小さくします。
- B. イテレーション回数を増加させます。
- C. イテレーション回数を減少させます。
- D. 温度パラメータを高めます。
この問題を見る →
Q93. あるAI開発者が、Amazon Bedrockの基盤モデルを活用してカスタマーサポート部門の会話チャット記録を要約するアプリケーションを開発しています。この開発者は、呼び出しログを保存し、モデルの入力および出力データを監視したいと考えています。このAI開発者が採用すべき戦略はどれですか？
- A. AWS CloudTrailをモデルのログターゲットとして設定します。
- B. Amazon Bedrockで呼び出しログ記録を有効化します。
- C. AWS Audit Managerをモデルのログターゲットとして設定します。
- D. Amazon EventBridgeでモデル呼び出しのログ記録を設定します。
この問題を見る →
Q94. ある企業が、ジェネレーティブAIを活用して開発者の作業効率およびソフトウェア開発効率を向上させたいと考えています。同社はAmazon Q Developerを活用することを計画しています。 Amazon Q Developerは、これらの要件を満たすために何ができるでしょうか？
- A. ソフトウェアコードスニペットの作成、参照追跡、およびオープンソースライセンスの追跡。
- B. サーバーの設定や管理を必要とせずにアプリケーションを実行できる。
- C. 音声コマンドによるコーディングおよび自然言語検索を提供する。
- D. 機械学習モデルを用いて音声ファイルをテキスト文書に変換する。
この問題を見る →
Q95. あるAI開発者が、基盤モデル（FM）を用いて検索アプリケーションを設計したいと考えています。この検索アプリケーションは、テキストおよび画像を含むクエリに対応する必要があります。この検索アプリケーションをサポートするため、AI開発者はどのタイプの特徴マッチング（Feature Matching、FM）を採用すべきですか？
- A. マルチモーダル埋め込みモデル
- B. テキスト埋め込みモデル
- C. マルチモーダル生成モデル
- D. 画像生成モデル
この問題を見る →
Q96. ある大学の学生が、ジェネレーティブAIから内容をコピーして論文を執筆しています。このシナリオは、責任あるジェネレーティブAIが直面する課題のうち、どれを表していますか？
- A. 毒性（Toxicity）
- B. 幻覚（Hallucination）
- C. 盗用（Plagiarism）
- D. プライバシー（Privacy）
この問題を見る →
Q97. ある企業が、大規模言語モデル（LLM）を用いた推論生成に関連するコストを評価したいと考えています。同社はAmazon Bedrockを活用することを希望しています。このコストを上昇させる要因はどれですか？
- A. 消費されたトークン数
- B. 温度（Temperature）値
- C. LLMのトレーニングに使用されたデータ量
- D. 総トレーニング時間
この問題を見る →
Q98. ある企業が、画像分類のための機械学習モデルを開発しました。この企業は、そのモデルを本番環境にデプロイし、Webアプリケーションが簡単にそのモデルを利用できるようにしたいと考えています。企業は、モデルをホストして予測サービスを提供するソリューションを実装する必要がありますが、インフラストラクチャの下位レイヤーを管理する必要はありません。このような要件を満たすソリューションはどれですか？
- A. Amazon SageMaker Serverless Inference を使用してモデルをデプロイする
- B. Amazon CloudFront を使用してモデルをデプロイする
- C. Amazon API Gateway を使用してモデルをホストし、予測サービスを提供する
- D. AWS Batch を使用してモデルをホストし、予測サービスを提供する
この問題を見る →
Q99. ある研究会社が、Amazon Bedrock の基盤モデル（FM）を活用してチャットボットを開発しました。このチャットボットは、大規模な研究論文データベースから質問に対する回答を検索できます。多数のプロンプトエンジニアリングの試行後、同社は、研究論文に複雑な科学用語が多用されているため、FM のパフォーマンスが不十分であることに気づきました。このチャットボットのパフォーマンスを向上させるには、会社は何を行うべきですか？
- A. 少数ショットプロンプトを使用して、FMが質問にどのように答えるかを定義する
- B. ドメイン適応微調整を用いて、FMを複雑な科学用語に適応させる
- C. FMの推論パラメータを変更する
- D. 研究論文のデータをクリーニングし、複雑な科学用語を除去する
この問題を見る →
Q100. ある企業が監視カメラを設置しました。この企業は、機械学習モデルを用いて監視映像を評価し、潜在的な盗難行為を検出しています。しかし、同社は、このモデルが特定の人種グループのメンバーを過剰に検出（誤検出）していることを発見しました。このようなタイプのバイアスは、モデルの出力にどのような影響を与えていますか？
- A. 測定バイアス
- B. サンプリングバイアス
- C. 観察者バイアス
- D. 確認バイアス
この問題を見る →

AWS AIF-C01 第1章 練習問題（100問）

AWS AIF-C01 第1章練習問題（100問）