-
Q1. ある企業が、画像を入力として自然言語の質問に答えるチャットボットを開発しました。この企業は、チャットボットが不適切またはユーザーが望まない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. 汎用のパブリックデータセットを用いてモデルを再学習する
- C. モデル検証を実施する
- D. ユーザーからのフィードバックを自動的に統合する仕組みを実装する
この問題を見る →
-
Q2. どのAWSサービスまたは機能が、AI開発チームが自社のVPC内ですばやく基盤モデル（FM）をデプロイおよび利用するのを支援しますか？
- A. Amazon Personalize
- B. Amazon SageMaker JumpStart
- C. PartyRock（Amazon Bedrock Playground）
- D. Amazon SageMaker エンドポイント
この問題を見る →
-
Q3. あるローン会社が、生成AIに基づくソリューションを構築しており、特定の顧客属性に基づいてローン申請者に割引を提供することを目指しています。同社は、AIモデルを責任ある方法で構築・運用し、特定の顧客層に悪影響を及ぼす可能性のあるバイアスを最小限に抑えたいと考えています。
これらの要件を満たすために、会社が取るべき措置はどれですか？（2つ選択してください）
- A. データ内の不均衡や差異を検出する
- B. モデルが頻繁に実行されることを保証する
- C. モデルの動作を評価し、関係者に対して透明性を提供できるようにする
- D. ROUGE（Recall-Oriented Understudy for Gisting Evaluation）などの代替評価技術を用いて、モデルの精度を100％に保証する
- E. モデルの推論時間が許容範囲内であることを保証する
この問題を見る →
-
Q4. ある企業が、Amazon SageMaker を用いて機械学習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必要な特徴量（フィーチャー）を共有・管理する必要があります。
- A. Amazon SageMaker Feature Store
- B. Amazon SageMaker データ処理ツール
- C. Amazon SageMaker Clarify
- D. Amazon SageMaker モデルカード
この問題を見る →
-
Q5. 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開発しようとしています。
この要件を満たすために、企業はどのようなタイプのモデルを活用できますか？
- A. 生成対抗ネットワーク（GAN）
- B. XGBoost
- C. 残差ニューラルネットワーク
- D. WaveNet
この問題を見る →
-
Q6. ある企業が、遺伝的特徴に基づいてヒトの遺伝子を20のカテゴリに分類したいと考えています。この企業は、モデルの内部メカニズムを可視化し、出力への影響を記録できる機械学習アルゴリズムを必要としています。
この要件を満たす機械学習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 →
-
Q7. ある企業が、Amazon Bedrock上でホストされている基礎モデルを、ファイショットプロンプトで活用しています。現在、このモデルはプロンプト内で10個の例を使用しています。モデルは毎日1回呼び出され、良好なパフォーマンスを発揮しています。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. モデルをファインチューニングしてカスタマイズする。
- B. プロンプト内のトークン数を減らす。
- C. プロンプト内のトークン数を増やす。
- D. 事前設定されたスループットを使用する。
この問題を見る →
-
Q8. ある企業が、過去12か月間にわたり、自社のベストセラー商品が各小売店舗で達成した総売上高を表示したいと考えています。
企業は、このグラフの自動生成を実現するために、どのAWSソリューションを採用すべきですか？
- 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 →
-
Q9. 生成AIモデルの文脈において、「トークン（tokens）」とは何ですか？
- A. トークンは、生成AIモデルが処理する基本的な入力および出力単位であり、単語、サブワード、またはその他の言語単位を表すことができます。
- B. 生成AIモデルにおいて、トークンは単語または概念の数学的表現です。
- C. 「トークン」とは、生成AIモデル内で事前学習済みの重みを指し、これらの重みは特定のタスクに対してファインチューニングされます。
- D. トークンは、生成AIモデルに与えられる具体的なプロンプトまたは指示であり、これにより出力が生成されます。
この問題を見る →
-
Q10. Amazon Bedrock上で大規模言語モデル（LLM）を感情分析に使用する際、プロンプトに含めることができる情報量を知りたいと考えています。
この企業の意思決定は、どの考慮要素に基づくべきですか？
- A. 温度（Temperature）
- B. コンテキストウィンドウ
- C. バッチサイズ
- D. モデルサイズ
この問題を見る →
-
Q11. 基礎モデル（FM）を継続的に事前学習する際に、以下の選択肢のうち、有益なのはどれですか？
- 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が継続的に向上する。
- C. 学習に必要な時間を短縮する。
- D. モデルの推論時間を最適化する。
この問題を見る →
-
Q12. ある企業が機械学習モデルの構築を進めています。同社はデータを収集し、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、これらのデータを分析しています。
この企業は、機械学習プロセスのどの段階に現在ありますか？
- 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 →
-
Q13. ある営業担当者が、大規模言語モデル（LLM）を活用してマーケティングキャンペーン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妥当で事実に合致しているように見えますが、実際には正確ではありません。
このLLMはどのような問題に直面していますか？
- A. データ漏洩
- B. ハルシネーション（幻覚）
- C. 過学習
- D. 不適合
この問題を見る →
-
Q14. ある企業が教育用ゲームを開発しようとしています。ユーザーは以下の質問に回答する必要があります。「1つの容器には赤いボールが6個、緑色のボールが4個、黄色のボールが3個入っています。この容器からランダムに1つの緑色のボールを選ぶ確率はいくらですか？」
この要件を満たすソリューションのうち、コストを最小限に抑えるものはどれですか？
- A. 教師あり学習を用いて回帰モデルを作成し、確率を予測します。
- B. 強化学習を用いてモデルを訓練し、確率を返すようにします。
- C. 単純なルールと計算を用いたコードで確率を算出します。
- D. 教師なし学習を用いて確率密度を推定できるモデルを作成します。
この問題を見る →
-
Q15. ある医療企業がAmazon Bedrock上に疾患検出モデルをデプロイしています。プライバシーポリシーを遵守するため、同社はモデル応答に患者の個人情報を含めないよう求めています。また、ポリシー違反が発生した場合には通知を受け取りたいと考えています。
これらの要件を満たすソリューションはどれですか？
- A. Amazon Macieを使用してモデル出力をスキャンし、機密データを検出し、潜在的な違反に対してアラートを設定します。
- B. AWS CloudTrailを構成してモデル応答を監視し、検出された個人情報に対してアラートを作成します。
- C. Amazon BedrockのGuardrailsを用いてコンテンツをフィルタリングします。また、ポリシー違反が発生した際に通知を送信するようAmazon CloudWatchアラートを設定します。
- D. Amazon SageMaker Model Monitorを実装し、データドリフトを検出し、モデル品質の低下時にアラートを受信します。
この問題を見る →
-
Q16. ある企業がデータベースエラーにより、文書内の一部の単語が欠落しています。同社は、欠落したテキストに対して候補となる単語を提案する機械学習モデルを構築したいと考えています。
このような要件に適した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. 規定型機械学習モデル
- D. BERTベースのモデル
この問題を見る →
-
Q17. あるAIエンジニアが動物の写真データベースを保有しています。このエンジニアは、人手による介入なしに、写真内の動物を自動的に識別・分類したいと考えています。
このような要件を満たす戦略はどれですか？
- A. 物体検出
- B. 異常検出
- C. 固有表現抽出（NER）
- D. 描画
この問題を見る →
-
Q18. 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制限されています。
これらの要件を満たすソリューションはどれですか？
- A. 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、Amazon Bedrock向けのカスタムサービスロールをチームごとに作成します。
- 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ます。各チームがAmazon Bedrockへの各リクエストで顧客名を指定することを義務付けます。
- C. Amazon S3内で個人データを編集します。S3バケットポリシーを更新し、各チームが顧客データにアクセスできるようにします。
- D. 完全なAmazon S3アクセス権限を持つAmazon Bedrockロールを作成します。各チームに対して、自チームの顧客フォルダのみにアクセス可能なIAMロールを作成します。
この問題を見る →
-
Q19. ある企業が、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。このAIソリューションは、特定のIPアドレスが疑わしいソースからのもの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します。
- B. 自然言語処理（NLP）の固有表現抽出（NER）システムを作成します。
- C. 異常検出システムを開発します。
- D. 不正検知システムを作成します。
この問題を見る →
-
Q20. ある金融機関がAmazon Bedrockを用いて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仮想プライベートクラウド（VPC）内にホストされています。規制上の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 →
-
Q21. 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に、どのような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 →
-
Q22. ソーシャルメディア企業が、大規模言語モデル（LLM）をコンテンツ審査に活用したいと考えています。この企業は、LLMの出力にバイアスが存在するか、特定のグループや個人に対する潜在的な差別がないかを評価したいと考えています。
企業は、どのデータソースを用いてLLMの出力を評価すべきでしょうか。また、必要な管理作業量は最小限に抑えたいと考えています。
- A. ユーザー生成コンテンツ
- B. 審査ログ
- C. コンテンツ審査ガイドライン
- D. ベンチマークデータセット
この問題を見る →
-
Q23. Amazon OpenSearchサービスのどの機能により、企業はベクトルデータベースアプリケーションを構築できますか？
- A. オブジェクトストレージとしてAmazon S3と統合すること
- B. 地理空間インデックスおよびクエリをサポートすること
- C. 拡張可能なインデックス管理および近傍検索（Nearest Neighbor Search）機能を提供すること
- D. ストリーミングデータに対してリアルタイム分析を行うこと
この問題を見る →
-
Q24. 画像分類タスクにおいて、基盤モデル（FM）の正確性を評価するには、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こと。
- B. 事前に定義されたベンチマークデータセットを用いてモデルの正確性を評価すること。
- C. ニューラルネットワーク内の層数を計算すること。
- D. モデル処理後の画像の色再現性を評価すること。
この問題を見る →
-
Q25. ある企業が、Amazon Bedrockの大規模言語モデル（LLM）を活用して、自社製品のマニュアル向けチャットインターフェイスを開発したいと考えています。これらのマニュアルはPDF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ドキュメントを用いて、Amazon Bedrockでモデルのファインチューニングを行う。その後、ファインチューニング済みモデルを用いてユーザープロンプトを処理する。
- D. PDFドキュメントをAmazon BedrockのKnowledge Baseにアップロードする。ユーザーがAmazon Bedrockにプロンプトを送信する際に、Knowledge Baseからコンテキスト情報を提供する。
この問題を見る →
-
Q26. 生成AIモデルのユースケースとして適切なのは、以下のうちどれですか？
- A. 侵入検知システム（IDS）を用いてサイバーセキュリティを強化すること。
- B. テキストによる説明に基づいてリアルな画像を生成し、デジタルマーケティングに活用すること。
- C. 最適化されたインデックスを用いてデータベースのパフォーマンスを向上させること。
- D. 金融データを分析して株式市場の動向を予測すること。
この問題を見る →
-
Q27. ある企業が、Amazon Bedrockの基盤モデル（FM）を活用して、社内文書検索ツールを開発しています。同社は、自社のデータを用いてモデルを調整（ファインチューニング）し、正確性を向上させたいと考えています。
このモデルを成功裏に調整するための戦略はどれですか？
- A. プロンプトフィールドおよび完成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形式の内容を含む.txtファイルを作成してトレーニングデータセットを準備する。
- C. Amazon Bedrock向けに事前設定されたスループットを購入する。
- D. 学術誌および教科書を用いてモデルをトレーニングする。
この問題を見る →
-
Q28. ある企業が、事前にトレーニング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開発しています。同社は、LLMの出力が簡潔であり、特定の言語スタイルに従っていることを望んでいます。
- A. プロンプトを調整する。
- B. 異なるサイズのLLMモデルを選択する。
- C. 温度（Temperature）を上げる。
- D. Top K値を上げる。
この問題を見る →
-
Q29. ある企業が、生成AIのセキュリティ責任範囲マトリクスを用いて、自社ソリューションのセキュリティ責任を評価しています。同社は、このマトリクスに基づき、さまざまなソリューションの責任範囲をすでに定義しています。
どのソリューションの責任範囲が、企業にとって最大のセキュリティ責任を負うことを意味しますか？
- A. 生成AI機能が組み込まれたサードパーティの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の生成AI基盤モデル（FM）を用いてアプリケーションを構築する。
- C. 業務特化データを用いて既存のサードパーティ生成AI基盤モデル（FM）をファインチューニングし、最適化する。
- D. 顧客が所有する特定データを用いて、ゼロから生成AIモデルを構築・トレーニングする。
この問題を見る →
-
Q30. ある企業がカスタマーサポートセンターのアプリケーションを開発しており、顧客との会話からインサイトを得たいと考えています。
企業は顧客との通話音声から分析し、重要な情報を抽出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. Amazon Lex を使用して対話型チャットボットを構築する。
- B. Amazon Transcribe を使用して通話録音を文字起こしする。
- C. Amazon SageMaker Model Monitor を使用して通話録音から情報を抽出する。
- D. Amazon Comprehend を使用して分類ラベルを作成する。
この問題を見る →
-
Q31. ある企業は、自社のプライベートデータのみに基づいて独自の大規模言語モデル（LLM）を構築する必要があります。同社はトレーニングプロセスにおける環境への影響を懸念しています。
大規模言語モデル（LLM）をトレーニングする際、どの Amazon EC2 インスタンスタイプが環境への影響を最小限に抑えますか？
- A. Amazon EC2 C シリーズ
- B. Amazon EC2 G シリーズ
- C. Amazon EC2 P シリーズ
- D. Amazon EC2 Trn シリーズ
この問題を見る →
-
Q32. ある開発者は、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。この開発者は、そのカスタムモデルが機密データに基づいて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。
開発者が機密データに基づく推論応答を防止するために採用すべきアプローチはどれですか？
- 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た後、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技術を用いて、推論応答内の機密データをマスク処理する。
- 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 →
-
Q33. ある企業が、安全メガネの画像生成を目的としたソリューションを開発しようとしています。このソリューションは高精度を必要とし、誤検出のリスクを可能な限り低減する必要があります。
- A. Amazon SageMaker Ground Truth Plus を使用した人間とAIの協調検証によるアプローチ。
- B. Amazon Bedrock の知識ベースを用いたデータ拡張によるアプローチ。
- C. Amazon Rekognition を使用した画像認識によるアプローチ。
- D. Amazon QuickSight を使用したデータ集約によるアプローチ。
この問題を見る →
-
Q34. ある企業がドメイン固有のモデルを活用したいと考えています。同社はゼロから新規モデルを構築することを避け、代わりに事前にトレーニング済みのモデルを調整し、自社の関連タスクに適用可能なモデルを作成したいと考えています。
このような要件を満たす機械学習戦略はどれですか？
- A. イテレーション回数を増加させる。
- B. 転移学習（Transfer Learning）を活用する。
- C. イテレーション回数を減少させる。
- D. 教師なし学習（Unsupervised Learning）を活用する。
この問題を見る →
-
Q35. Amazon SageMaker Clarify はどのような機能を提供しますか？
- A. 検索拡張生成 (RAG) ワークフローの統合
- 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 →
-
Q36. ある企業が、古典的な物語を基に子供向けの物語を生成するインタラクティブアプリケーションを開発しようとしています。同社は Amazon Bedrock を利用する予定であり、生成される物語およびテーマが子供向けに適切であることを保証する必要があります。
- A. Amazon Rekognition
- B. Amazon Bedrock プレイグラウンド
- C. Amazon Bedrock のガードレール（Guardrails）
- D. Amazon Bedrock のエージェント（Agents）
この問題を見る →
-
Q37. 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信します。これらの問い合わせには迅速な解決と返答が求められます。同社は Amazon Bedrock 上でエージェント（Agent）を展開することを計画しています。
- A. カスタマーのニーズ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編成。
- C. 複数の基礎モデル（FM）を自動的に呼び出し、結果を統合する。
- 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）を選択する。
この問題を見る →
-
Q38. ある法律事務所が、大規模言語モデル（LLM）を活用して、法律文書を読み取り、そこから重要なポイントを抽出するためのAIアプリケーションを開発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. 自動命名エンティティ認識（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. 要約機能を持つ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 →
-
Q39. ある企業が、オンプレミスのソースからペタバイト規模の非構造化データを収集し、データベースに保存しています。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て、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 →
-
Q40. ある企業が、顧客を支援するチャットボットを開発しようとしています。このチャットボットは、人間の介入なしで、事前に定義されたシナリオに基づいて技術的な問題を解決できる必要があります。企業は、チャットボットの基盤としてファウンデーションモデル（FM）を選択しました。チャットボットは、企業のトーンに合った応答を生成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. FMが生成できるトークン数の上限を低く設定する。
- B. 詳細な応答を処理するためにバッチ推論を使用する。
- C. FMが望ましい応答を生成するまで、プロンプトに対して実験と最適化を行う。
- D. 温度パラメータに高い値を設定する。
この問題を見る →
-
Q41. ある教育機関が、生成AIモデルを活用した質問応答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複雑な概念を説明する目的で使用されます。教育機関は、質問者の身分に応じて、モデルの応答スタイルを自動的に調整したいと考えています。教育機関は、モデルに質問者の年齢層を提供します。
実装作業量を最小限に抑えつつ、これらの要件を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さまざまな年齢層を表す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. プロンプトの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、ユーザーに適した応答のスタイルおよび複雑さを推論する。
- D. ユーザーの年齢に応じて応答テキストを要約し、若いユーザーにはより簡潔な応答を提供する。
この問題を見る →
-
Q42. あるAIエンジニアが、開発者が既に構築したディープラーニングモデルを用いて、画像内の材料の種類を分類するタスクを実行しています。現在、このAIエンジニアは、そのモデルの性能を評価したいと考えています。
どの指標がAIエンジニアがモデルの性能を評価するのに役立ちますか？
- A. 混同行列（Confusion Matrix）
- B. 相関行列（Correlation Matrix）
- C. R2スコア
- D. 平均二乗誤差（MSE）
この問題を見る →
-
Q43. あるAI企業は、定期的に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る必要があります。
この要件を満たすために、同社はどのAWSサービスを活用できますか？
- A. AWS Audit Manager
- B. AWS Artifact
- C. AWS Trusted Advisor
- D. AWS Data Exchange
この問題を見る →
-
Q44. ある企業が、Amazon Bedrock上で大規模言語モデル（LLM）を用いて感情分析を行おうとしています。この企業は、LLMが同一の入力プロンプトに対して一貫性のある応答を生成することを要求しています。
- A. 温度（Temperature）値を低下させる。
- B. 温度（Temperature）値を上昇させる。
- C. 出力トークン長を短縮する。
- D. 最大生成長（max tokens）を増加させる。
この問題を見る →
-
Q45. あるセキュリティ企業が、Amazon Bedrock上でファウンデーションモデル（FM）を運用しています。この企業は、認証済みユーザーのみがこれらのモデルにアクセスできるようにしたいと考えています。また、今後のFMに対して適切なAWS Identity and Access Management（IAM）ポリシーおよびロールを設定するために、認証済みのアクセス試行を識別する必要があります。
この企業は、Amazon Bedrockへの認証済みアクセスを試行したユーザーを識別するために、どのAWSサービスを活用すべきですか？
- A. AWS Audit Manager
- B. AWS CloudTrail
- C. Amazon Fraud Detector
- D. AWS Trusted Advisor
この問題を見る →
-
Q46. ある企業は、広告キャンペーン向けに数十億バイト規模の顧客データを保有しています。この企業は、顧客を異なる階層に分類し、広告配信および自社製品のプロモーションに活用したいと考えています。
- A. 教師あり学習（Supervised Learning）
- B. 教師なし学習（Unsupervised Learning）
- C. 強化学習（Reinforcement Learning）
- D. 人類フィードバック付き強化学習（RLHF）
この問題を見る →
-
Q47. ある企業が、Amazon SageMaker Studioノートブックを使用して機械学習モデルを構築およびトレーニングしています。同社はデータをAmazon S3バケットに保存しています。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エンドポイントを含むVPCで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 →
-
Q48. 医療企業が診断目的でファウンデーションモデル（FM）を開発しようとしています。同社は、このモデルが透明性を持ち、容易に説明可能であることを要求しており、規制要件を満たす必要があります。
これらの要件を満たすソリューションはどれですか？
- A. Amazon Inspector を使用してセキュリティおよびコンプライアンスを設定する。
- B. Amazon SageMaker Clarify を使用して、シンプルな指標、レポート、およびサンプルを生成する。
- C. Amazon Macie を使用してトレーニングデータを暗号化および保護する。
- D. より多くのデータを収集し、Amazon Rekognition を使用してデータにカスタムラベルを付ける。
この問題を見る →
-
Q49. 人工知能（AI）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用いる、現実世界のオブジェクトおよび概念の数値表現を表す用語は何ですか？
- A. 埋め込み（Embedding）
- B. トークン（Token）
- C. モデル（Model）
- D. バイナリファイル（Binary file）
この問題を見る →
-
Q50. ある企業がユーザーエクスペリエンスの向上を目的としてチャットボットを開発しています。同社は、Amazon Bedrock が提供する大規模言語モデル（LLM）を用いて意図検出を行っています。また、同社は、ショットラーニング（few-shot learning）技術を活用して意図検出の精度を向上させたいと考えています。
この要件を満たすために、同社が追加で必要とするデータはどれですか？
- A. 複数のチャットボット応答と、それに対応する正しいユーザー意図。
- B. ユーザーのメッセージと、チャットボットの正しい応答のペア。
- 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、チャットボットの正しい応答のペア。
この問題を見る →
-
Q51. ある企業が、Amazon Bedrock 上の大規模言語モデル（LLM）を用いて感情分析を行おうとしています。同社は、テキスト段落の感情を「肯定的」または「否定的」に分類したいと考えています。
この要件を満たすプロンプトエンジニアリング戦略はどれですか？
- A. プロンプト内に、それぞれ対応する肯定的または否定的なラベルが付与されたテキスト段落の例をいくつか提示し、その後に分類対象となる新しいテキスト段落を提示する。
- B. プロンプト内で、感情分析およびLLM（大規模言語モデル）の動作原理について詳細に説明する。
- C. 分類対象となる新しいテキスト段落のみを提示し、追加のコンテキストや例を一切提示しない。
- D. この新しいテキストに対して、テキスト要約や質問応答など、関係のないタスクの例をいくつか提示する。
この問題を見る →
-
Q52. ある企業が、Amazon Bedrock を用いてカスタマイズしたファウンデーションモデル（FM）を保有しており、顧客からの製品に関する問い合わせに回答する用途で使用しています。同社は、モデルが特定の種類の問い合わせに対して適切に応答することを保証したいと考えています。このために、Amazon Bedrock で検証に使用可能な適切なデータセットを準備する必要があります。
この要件を満たす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 →
-
Q53. 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規模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クエリを自動生成するAIアプリケーションを構築したいと考えています。ただし、従業員の技術的知識は非常に限定的です。
- 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（ResNet）
- C. サポートベクターマシン（SVM）
- D. WaveNet
この問題を見る →
-
Q54. ある企業が、大規模言語モデル（LLM）を用いて対話型AIアプリケーションを開発しようとしています。同社は、LLMが一般的なプロンプトエンジニアリング手法によって操作され、望ましくない行動を実行したり、機密情報を漏洩したりすることを防止する必要があります。
- A. 攻撃パターンを検出するためのLLM（大規模言語モデル）トレーニング用プロンプトテンプレートを作成する。
- B. LLM呼び出しリクエストにおける温度（temperature）パラメータを上げる。
- C. Amazon SageMaker にリストされていないLLMの使用を避ける。
- D. LLM呼び出し時の入力トークン数を減らす。
この問題を見る →
-
Q55. ある企業が、Amazon Bedrock を活用してアプリケーションを開発したいと考えています。この企業は予算が限られており、実験的な開発を迅速に進めたいと考えており、長期的なコミットメントによる制約を受けたくないとしています。
このような要件を満たす Amazon Bedrock の価格モデルはどれですか？
- A. オンデマンド
- B. モデルカスタマイズ
- C. 予約スループット
- D. Spotインスタンス
この問題を見る →
-
Q56. Amazon Bedrock 上で大規模言語モデル（LLM）を安全に使用するには、どのような方法が推奨されますか？
- 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最小権限アクセスで設定する。
- B. AWS Audit Manager を有効化して、自動モデル評価ジョブを実行する。
- C. Amazon Bedrock の自動モデル評価ジョブを有効化する。
- D. Amazon CloudWatch Logs を活用して、モデルの説明可能性を高め、バイアスの存在を監視する。
この問題を見る →
-
Q57. ある企業は四半期ごとに需要予測を行い、予想される需要を満たすための運用の最適化を行っています。これらの予測には機械学習モデルが活用されています。
あるAIエンジニアが、既に訓練済みの機械学習モデルに関するレポートを作成し、ステークホルダーに対して透明性と説明可能性を提供することを目的としています。
このAIエンジニアがレポートに含めるべき内容として、透明性および説明可能性の要件を満たすものはどれですか？
- A. モデル訓練コード
- B. 部分依存プロット（PDPs）
- C. 訓練用サンプルデータ、モデル収束表
この問題を見る →
-
Q58. ある会計事務所が、大規模言語モデル（LLM）を活用して文書審査の自動化を実現したいと考えています。
この企業は責任ある方法で行動し、潜在的なリスクを回避しなければなりません。
LLM の開発および展開において、企業が採るべき措置は何ですか？（2つ選択してください。）
- A. モデル評価に公平性指標を組み込む。
- B. モデルの温度パラメータを調整する。
- C. 訓練データを修正してバイアスを軽減する。
- D. 訓練データにおける過学習を回避する。
- E. プロンプトエンジニアリングを適用する。
この問題を見る →
-
Q59. あるAIエンジニアが、多様な職業の人物画像を生成するモデルを構築しようとしています。このエンジニアは、入力データにバイアスが存在することを発見し、特定の属性が画像生成に影響を与え、モデル内にバイアスを生じさせていることを確認しました。
この問題を解決するための技術はどれですか？
- A. 不均衡クラスに対するデータ拡張
- B. クラス分布のモデル監視
- C. 検索拡張生成（RAG）
- D. 画像ウォーターマーク検出
この問題を見る →
-
Q60. ある企業が、事前に訓練された生成AI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。この企業は、生成されるコンテンツが自社のブランドトーンおよびメッセージ伝達要件と一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. モデルアーキテクチャおよびハイパーパラメータを最適化して、モデルの全体的な性能を向上させる。
- B. モデルアーキテクチャに追加の層を導入して、モデルの複雑さを高める。
- 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 →
-
Q61. ある企業が、特定製品の価格を予測するモデルを開発しています。このモデルは訓練データセット上で良好な性能を示しています。しかし、実稼働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。
この問題を緩和するために、企業が取るべき措置は何ですか？
- A. 訓練に使用するデータ量を削減する。
- B. モデルにハイパーパラメータを追加する。
- C. 訓練に使用するデータ量を増やす。
- D. モデルの訓練時間を延長する。
この問題を見る →
-
Q62. ある企業が、顧客サービス向けチャットボットを開発しています。この企業は、過去のインタラクションおよびオンラインリソースから学習することで、チャットボットの応答能力を向上させたいと考えています。
このような自己改善能力を提供するAIエンジニアの学習戦略はどれですか？
- A. 人手で選別された正解および誤りのデータセットを用いた教師あり学習。
- B. 肯定的な顧客フィードバックに対して報酬を与える強化学習。
- C. 類似の顧客問い合わせのクラスタリングを発見することを目的とした教師なし学習。
- 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 →
-
Q63. ソーシャルメディア企業が、AIを活用してプラットフォーム上の不適切な画像および動画コンテンツを検出したいと考えています。この要件を最小限の運用オーバーヘッドで満たすことができるAWSサービスはどれですか？
- A. Amazon Rekognition
- B. Amazon SageMaker
- C. Amazon Transcribe
- D. Amazon Textract
この問題を見る →
-
Q64. マーケティング企業が大規模言語モデル（LLM）を活用しています。同社は、質問応答タスクにおいて入力にわずかな変更を加えた場合のLLM応答品質の変化を評価したいと考えています。同社が採用すべき指標はどれですか？
- A. 二乗平均平方根誤差（RMSE）
- B. ROC曲线下方積（AUC）
- C. F1スコア
- D. 意味的ロバスト性（Semantic Robustness）
この問題を見る →
-
Q65. ある企業がローン審査プロセスを自動化したいと考えています。同社は、人手によるレビューを通じて機械学習（ML）予測の正確性を保証したいと考えています。このような人手によるML予測レビューに必要なワークフローを構築できるAWSサービスはどれですか？
- A. Amazon Augmented AI (Amazon A2I)
- B. Amazon Textract
- C. Amazon SageMaker Ground Truth
- D. Amazon Lex
この問題を見る →
-
Q66. 音声認識アプリケーションの構築において、以下のタスクに適した機械学習（ML）学習手法を選択してください。このML学習手法は、ラベル付き音声データを用いて音声コマンドを認識するモデルを訓練することを目的としています。
- A. 教師あり学習
- B. 半教師あり学習
- C. 教師なし学習
この問題を見る →
-
Q67. 機械学習（ML）の文脈において、「バイアス（bias）」とは何を意味しますか？
- A. モデルアーキテクチャの複雑さ
- B. トレーニングデータ内のランダム性またはノイズ
- C. 予測値と実際の値との差
- D. 特定のデータに対して誤った予測を体系的に行うモデルの誤りまたは傾向
この問題を見る →
-
Q68. オンライン学習プラットフォームを運営する企業が、ユーザーの興味および学習履歴に基づいて関連するコースを推薦するレコメンデーションエンジンを構築したいと考えています。このレコメンデーションエンジンの構築およびデプロイに必要な要件を満たすAWSサービスはどれですか？
- A. Amazon SageMaker
- B. AWS Lambda
- C. Amazon Rekognition
- D. Amazon Comprehend
この問題を見る →
-
Q69. ある企業が顧客の購入データを分析したいと考えています。同社は、顧客をグループ化してターゲットマーケティング活動を改善したいと考えており、ラベルなしのデータセットを使用したいと考えています。これらの要件を満たす機械学習（ML）技術はどれですか？
- A. 教師なし学習
- B. ファインチューニング
- C. 教師あり学習
- D. 転移学習
この問題を見る →
-
Q70. ある企業が機械学習（ML）ワークフロー向けに大量のテーブル形式データセットを収集しています。このワークフローは、推論間の遅延を最大7日間まで許容できます。推論処理には数時間かかる場合があります。同社は、データセットに対して推論を実行するソリューションを必要としており、エンドポイントの未使用時に課金されないことが条件です。これらの要件を満たす推論の種類はどれですか？
- A. リアルタイム推論
- B. バッチ変換
- C. サーバーレス推論
- D. 非同期推論
この問題を見る →
-
Q71. あるデータサイエンティストが、テキスト分類モデルのためのMLパイプラインを構築しようとしています。このデータサイエンティストはすでにトレーニングに使用するデータを収集済みです。MLライフサイクルのどの段階のコンポーネントを最初に実装する必要がありますか？
- A. モデルのトレーニング
- B. 特徴量エンジニアリング
- C. モデルの検証
- D. モデルのモニタリング
この問題を見る →
-
Q72. あるデータサイエンティストが大規模なデータセットでMLモデルをトレーニングしています。モデルのトレーニングの目的は何ですか？
- A. トレーニングデータに適合するようモデルのパラメータ値を最適化すること
- B. ML向けに新しいアルゴリズムを作成すること
- C. モデリング前に生データをクリーニングおよび前処理すること
- D. モデルを本番環境にデプロイすること
この問題を見る →
-
Q73. ある企業が、なぜ特定の予測を行ったのかを説明できるMLモデルを開発しようとしています。どの開発段階で説明可能性技術の実装をサポートしますか？
- A. データ前処理
- B. モデルのトレーニング
- C. 特徴量エンジニアリング
- D. モデルの評価
この問題を見る →
-
Q74. ある法律事務所が、音声録音データセットからテキストを抽出するソリューションを構築しようとしています。この要件を満たすAWSサービスはどれですか？
- A. Amazon Translate
- B. Amazon Transcribe
- C. Amazon Comprehend
- D. Amazon Recognition
この問題を見る →
-
Q75. ある不動産会社が、立地、面積、寝室数、設備といったさまざまな要因に基づいて住宅物件の売却価格を予測するMLモデルを構築したいと考えています。この要件を満たすML技術はどれですか？
- A. 分類
- B. クラスタリング
- C. 強化学習
- D. 回帰
この問題を見る →
-
Q76. どの種類のMLが、環境からのフィードバック（報酬）に基づく累積報酬の最大化を目指してモデルをトレーニングしますか？
- A. 教師あり学習
- B. 教師なし学習
- C. 半教師あり学習
- D. 強化学習
この問題を見る →
-
Q77. ある企業がコンピュータビジョンモデルをデプロイしました。この企業は、モデルのパフォーマンスを継続的に追跡し、時間の経過とともに概念ドリフトやパフォーマンス劣化を検出したいと考えています。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. Amazon SageMaker Clarify
- B. Amazon SageMaker Model Monitor
- C. Amazon Augmented AI (Amazon A2I)
- D. AWS CloudTrail
この問題を見る →
-
Q78. ある企業が、営業担当者が特定の顧客に対して営業提案を作成するかどうかを判断するMLソリューションを構築したいと考えています。このモデルは、顧客および提案仕様に関するいくつかの入力データを考慮します。出力は、各営業提案に対する「承認」または「拒否」です。企業はすでに一部の履歴記録データを保有しています。この要件を満たすML技術はどれですか？
- A. 分類
- B. 回帰
- C. クラスタリング
- D. 次元削減
この問題を見る →
-
Q79. ある企業が、テキストを音声に変換するソリューションを必要としています。この要件を最小限の運用コストで満たすことができるAWSサービスはどれですか？
- A. Amazon SageMaker
- B. Amazon Comprehend
- C. Amazon Polly
- D. Amazon Transcribe
この問題を見る →
-
Q80. MLエンジニアが大規模なデータセットで深層ニューラルネットワークモデルをトレーニングしました。このトレーニング済みモデルを用いて、新しいかつこれまで見たことのないデータに対して予測を行うプロセスは何と呼ばれますか？
- A. トレーニング
- B. 検証
- C. 推論
- D. 特徴量エンジニアリング
この問題を見る →
-
Q81. 以下のリストから、各ユースケースに適した正しいAWSサービスを選択してください。各ユースケースに対して1つのAWSサービスを選択してください。事前にトレーニング済みの生成AIモデルをAPI経由で利用し、インフラストラクチャの管理を一切行わずに利用したい場合。
- A. Amazon SageMaker
- B. Amazon Bedrock
- C. PartyRock, an Amazon Bedrock Playground
この問題を見る →
-
Q82. ある企業が、画像の内容を説明・解釈できる生成AIモデルを特定する必要があります。このような要件を満たすモデルのタイプはどれですか？
- A. 大規模言語モデル（LLM）
- B. 拡散モデル
- C. マルチモーダルモデル
- D. 自然言語処理（NLP）モデル
この問題を見る →
-
Q83. 以下のリストから、各ユースケースに適した正しい学習手法を選択してください。各ユースケースに対して1つまたは複数の学習手法を選択してください。類似製品を例示に基づいて推薦する製品推薦システムを作成する場合。
- A. ゼロショット学習
- B. ワンショット学習
- C. ファイショット学習
この問題を見る →
-
Q84. データサイエンティストが、Amazon SageMaker Studioと連携して使用可能なAIコーディングアシスタントを必要としており、コード提案を提供してコーディング生産性を向上させたいと考えています。このような要件を満たすAWSサービスまたはアプリケーションはどれですか？
- A. PartyRock, an Amazon Bedrock Playground
- B. AWS Inferentia
- C. Amazon Q Developer
- D. Amazon Bedrock
この問題を見る →
-
Q85. ある企業が、従業員の質問に回答するAIチャットボットを構築しました。一部の従業員から、質問内容に関係なく意味のない回答が生成されるという報告があります。これはどの概念を表していますか？
- A. アンダーフィッティング
- B. ハルシネーション
- C. オーバーフィッティング
- D. バイアス
この問題を見る →
-
Q86. ある企業が、特定分野のデータを対象としたカスタムソリューションを構築するために基礎モデル（FM）を活用しようとしています。同社は下位層のインフラストラクチャ管理を回避したいと考えており、知的財産権保護機能も必要としています。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. Amazon SageMakerで利用可能なHugging Face FMを使用する
- B. Amazon SageMaker JumpStartで利用可能なFMを使用する
- C. AWS Deep Learning Containersで利用可能なFMを使用する
- D. Amazon Bedrockで利用可能なAmazon Titan FMを使用する
この問題を見る →
-
Q87. ある企業が、画像を含むPDF文書に対して意味検索を実行するソリューションを実装したいと考えています。この企業は、PDFから各画像を抽出し、画像を分析してそれぞれの文脈情報を取得し、その後、これらの情報を意味検索に活用することを計画しています。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. トークン化（分詞）の使用
- B. 埋め込み（Embedding）の使用
- C. 大規模言語モデル（LLM）の使用
- D. プロンプトエンジニアリングの使用
この問題を見る →
-
Q88. どのAWSサービスが、アプリケーション内で音声およびテキストを用いて対話型インターフェイスを構築するために使用できますか？
- A. Amazon Polly
- B. Amazon Lex
- C. Amazon Comprehend
- D. Amazon Personalize
この問題を見る →
-
Q89. ある企業が、事前訓練済みの基盤モデル（FM）をデプロイ、微調整、評価したいと考えています。同社は、人気のモデルハブ（Hugging Faceなど）を生成AIプラットフォームとして活用したいと考えています。このような要件を最小限の運用負荷で満たすソリューションはどれですか？
- A. Amazon SageMaker model registry
- B. Amazon SageMaker JumpStart
- C. Amazon Augmented AI (Amazon A2I)
- D. Amazon Q
この問題を見る →
-
Q90. ある企業が、AIを活用してビジネス効率を向上させたいと考えています。同社は、自社の特定ユースケースに適した基盤モデル（FM）を初期段階から探索したいと考えています。このような要件を最小限の運用負荷で満たすソリューションはどれですか？
- A. Amazon SageMaker JumpStartを用いたFMの微調整
- B. 新規FMの開発
- C. Amazon EC2インスタンス上にデプロイされた既存の自然言語処理（NLP）モデルの使用
- D. Amazon Bedrockを用いたFMの選択
この問題を見る →
-
Q91. ある企業が、自然言語によるクエリを用いてビジネスインテリジェンス（BI）レポートの作成を簡素化したいと考えています。同社は、コーディング不要のソリューションを求めています。このような要件を満たすAWSサービスまたは機能はどれですか？
- A. Amazon Bedrock agents
- B. Amazon Q Business
- C. Amazon SageMaker JumpStart
- D. Amazon Q in QuickSight
この問題を見る →
-
Q92. 生成AIアプリケーションがビジネス課題の解決に用いられる際の制約とは何ですか？
- A. スケーラビリティの欠如
- B. 大規模データセットの処理 inability
- C. バイアスのある出力の生成
- D. 限定されたビジネスユースケース
この問題を見る →
-
Q93. ある企業が、従業員向けに、社内の機密情報を回答するチャットボットを提供したいと考えています。これらの情報は現在、社内の数百のドキュメントに分散しています。企業は、最小限の運用負荷でチャットボットソリューションを実現するために、どのAWSマネージドサービスを活用すべきですか？
- A. Amazon Q Business
- B. Amazon SageMaker JumpStart
- C. PartyRock, an Amazon Bedrock Playground
- D. Amazon Bedrock
この問題を見る →
-
Q94. ある金融機関が、自社の専有データ上で独自の大規模言語モデル（LLM）を事前訓練しました。この企業は、どのAWSサービスを用いてこのLLMをデプロイできますか？
- A. Amazon SageMaker
- B. Amazon Comprehend
- C. Amazon Bedrock
- D. Amazon Lex
この問題を見る →
-
Q95. ある企業が、書籍の要約アプリケーションに音声生成機能を追加したいと考えています。以下のAWSサービスのうち、この要件を最小限の運用労力で満たすことができるものはどれですか？
- A. Amazon Comprehend
- B. Amazon SageMaker
- C. Amazon Bedrock
- D. Amazon Polly
この問題を見る →
-
Q96. 以下のAWSサービスのうち、ベクトル埋め込みを格納し、セマンティック検索を実行するのに適しているものはどれですか？
- A. Amazon OpenSearch Service
- B. Amazon DynamoDB
- C. Amazon ElastiCache
- D. Amazon EC2インスタンス上のMySQLデータベース
この問題を見る →
-
Q97. ある企業が、機械生成された要約テキストと参照テキストとの品質を比較評価したいと考えています。以下の指標のうち、この要件を満たすものはどれですか？
- A. 意味的ロバスト性
- B. 正確性
- C. 平均絶対誤差（MAE）
- D. ROUGE（Recall-Oriented Understudy for Gisting Evaluation）
この問題を見る →
-
Q98. ある生成AIの専門家がプロンプトエンジニアリングを実施しています。この専門家は、必要な出力を説明するプロンプトを提供していますが、例示は行っていません。これはどの技術を表していますか？
- A. チェーン・オブ・ソート（Chain-of-Thought）
- B. ファイショット学習（Few-Shot Learning）
- C. ゼロショット学習（Zero-Shot Learning）
- D. ワンショット学習（One-Shot Learning）
この問題を見る →
-
Q99. ある企業が、Amazon Bedrock上の基盤モデル（FM）の医療分野におけるパフォーマンスを向上させたいと考えています。同社は個人識別情報（PII）を含まない、未ラベル付けの臨床診断データを保有しています。以下のソリューションのうち、この要件を満たすものはどれですか？
- A. 継続的事前学習（Continual Pre-training）
- B. ファインチューニング（Fine-tuning）
- C. プロンプトエンジニアリング（Prompt Engineering）
- D. Amazon Bedrock Agentの実装
この問題を見る →
-
Q100. あるデータサイエンティストが、生成AIモデルを用いてテキストを生成しています。推論パラメータ（例：応答長および停止シーケンス）を設定する目的は何ですか？
- A. モデルの出力を制御し、出力が所定の基準を満たすことを保証する
- B. より良いパフォーマンスを得るためにモデルパラメータを微調整する
- C. モデルの入力データ形式を指定する
- D. 推論に使用する事前学習済みモデルを選択する
この問題を見る →