AWS AIF-C01 第3章 練習問題（100問）

AWS AIF-C01（AI プラクティショナー）第3章の本番形式の練習問題です。

  1. Q1. ある企業が、異なるタスクおよびドメインに柔軟に適用可能な再利用可能なプロンプト構造を作成したいと考えています。以下のプロンプトエンジニアリング技術のうち、この要件を満たすものはどれですか？

    • A. ゼロショットプロンプト
    • B. ファイショットプロンプト
    • C. チェーン・オブ・ソート（Chain-of-Thought）プロンプト
    • D. プロンプトテンプレート

    この問題を見る →

  2. Q2. ある企業が、自社の言語モデル（LLM）に対して以下のプロンプトを提供しました：「この映画の演技は本当にひどい。// 否定的感情」「この映画には素晴らしいアクションシーンがたくさんある。// 肯定的感情」「この映画は退屈だ。// 中立的感情」「なんてひどい演技なんだ！ //」これはどのプロンプト技術を表していますか？

    • A. ファイショット
    • B. ゼロショット
    • C. ツリー・オブ・ソート（Tree-of-Thought）
    • D. チェーン・オブ・ソート（Chain-of-Thought）

    この問題を見る →

  3. Q3. ある法律事務所が、Amazon Bedrock Knowledge Baseを検索拡張生成（RAG）ソリューションとして使用しています。このKnowledge Baseには、長年にわたる規制要件が含まれています。法律事務所は、特定の期間に有効であった規制要件を調査するソリューションを必要としています。Knowledge Baseに取り込まれた多くのドキュメントには、日付情報が一切含まれていません。この要件を満たすために、運用コストを最小限に抑える最も効果的なソリューションはどれですか？

    • A. AWS Lambda関数を構築・デプロイし、Knowledge Baseから特定のドキュメントのコンテンツを要求する
    • B. Amazon Elastic Container Service（ECS）上でコンテナを構築・デプロイし、Knowledge Baseから特定のドキュメントのコンテンツを要求する
    • C. Amazon Elastic Kubernetes Service（EKS）上でコンテナを構築・デプロイし、Knowledge Baseから特定のドキュメントのコンテンツを要求する
    • D. メタデータをKnowledge Baseにインジェストし、特定の日付でタグ付けされたドキュメントからのみコンテンツを検索する

    この問題を見る →

  4. Q4. あるデータサイエンティストが、拡散モデルを用いてテキストプロンプトから画像を生成しています。生成された画像はしばしばぼやけており、不要なノイズを含んでいます。この不要なノイズを除去するために有効なプロンプト技術はどれですか？

    • A. チェーン・オブ・ソート（Chain-of-Thought）プロンプト
    • B. ネガティブ・プロンプト
    • C. ファイショット（Few-Shot）プロンプト
    • D. コンテキスト付きワンショット（Contextual One-Shot）プロンプト

    この問題を見る →

  5. Q5. ある企業が、Amazon Bedrockを用いて社内チャットボットアプリケーションを構築し、社内ドキュメントに基づいて従業員の質問に回答したいと考えています。同社はアプリケーションの開発コストを最小限に抑えたいと考えています。この要件を満たすために、運用コストを最も小さくするソリューションはどれですか？

    • A. 微調整機能を用いて、自社のデータでLLMを調整する
    • B. 継続的プリトレーニング機能を用いて、自社のデータでLLMを調整する
    • C. Knowledge Baseを作成し、検索拡張生成（RAG）技術を活用する
    • D. 自社のデータのみを用いて、ゼロからLLMを構築する

    この問題を見る →

  6. Q6. ある企業が、機械学習（ML）モデルのドメイン適応をサポートするソリューションを必要としており、事前訓練済みモデルおよび微調整アルゴリズムのリポジトリを提供することを求めています。これらの要件を満たすAmazon SageMakerの機能はどれですか？

    • A. SageMaker Autopilot
    • B. SageMaker JumpStart
    • C. SageMaker Model Registry
    • D. SageMaker Feature Store

    この問題を見る →

  7. Q7. ある企業が、業務データ上で基礎モデル（FM）を訓練する必要があります。データセットのサイズは1 GBです。訓練および評価は3週間以内に完了しなければなりません。この要件を満たすソリューションはどれですか？

    • A. 検索拡張生成（RAG）
    • B. ドメイン適応による微調整
    • C. インストラクションベースの微調整
    • D. プロンプト・エンジニアリング

    この問題を見る →

  8. Q8. ある保険会社が、大規模言語モデル（LLM）を用いたAI文書分類アプリケーションを構築しようとしています。同社には、10,000件の文書とその対応する分類（例：「保険請求書」「請求書」など）からなるデータセットがあります。モデルはこの分類タスクを学習し、データセット全体の知識を統合する必要があります。この要件を満たすために、最小のプロンプトサイズで実現可能なソリューションはどれですか？

    • A. ワンショット・プロンプト
    • B. ファイショット・プロンプト
    • C. 継続的プリトレーニング
    • D. インストラクションベースの微調整

    この問題を見る →

  9. Q9. あるデータサイエンティストが、Amazon SageMakerを用いて大規模言語モデル（LLM）のテキスト生成実験を行っています。同氏は、モデルの応答に性別、年齢、人種に関するバイアスが存在するかどうかを評価したいと考えています。この要件を満たす評価タイプはどれですか？

    • A. 事実知識（Fact Knowledge）
    • B. プロンプトによるステレオタイプ（Prompt Stereotype）
    • C. 毒性（Toxicity）
    • D. 意味的ロバストネス（Semantic Robustness）

    この問題を見る →

  10. Q10. あるデータサイエンティストは、人種、性別、年齢などの属性に基づき、モデルのリアルタイムにおける不公平な予測を把握する必要があります。このモデルはAmazon SageMaker上にデプロイされています。この要件を満たすAWSサービスまたは機能はどれですか？

    • A. SageMaker Model Monitor
    • B. SageMaker Clarify
    • C. SageMaker Ground Truth
    • D. SageMaker Data Wrangler

    この問題を見る →

  11. Q11. どのAWSサービスまたは機能が、信頼度の低いML予測を人間によるレビューに送信できますか？

    • A. Amazon CloudWatch Alarms
    • B. AWS Lambda
    • C. Amazon Augmented AI (A2I)
    • D. Amazon SageMaker Experiments

    この問題を見る →

  12. Q12. 生成AIシステムが偏見や差別的な出力を生成した場合、関連する法的リスクは何ですか？

    • A. 独占禁止法違反
    • B. 消費者保護法違反
    • C. データプライバシー違反
    • D. 知的財産権（IP）侵害

    この問題を見る →

  13. Q13. ある企業が、Amazon Bedrock上のテキスト生成用ファウンデーションモデル（FM）を活用して、顧客向けチャットボットサービスを構築しようとしています。同社は、顧客が質問する可能性のあるセンシティブなトピックについてFMが回答しないようにしたいと考えています。これらの要件を満たすために、最も少ない運用負荷で実現できるソリューションはどれですか？

    • A. Amazon SageMaker上でテキスト分類器をトレーニングし、不要な質問を検出しフィルタリングする
    • B. Amazon Bedrock Guardrails上で禁止トピックを定義し、ガードレールを有効化してFMを呼び出す
    • C. Amazon Comprehendのエンティティ抽出機能を活用して不要な質問を検出しフィルタリングする
    • D. Amazon SageMaker BlazingText組み込みアルゴリズムを用いて、センシティブなトピック検出モデルをトレーニングする

    この問題を見る →

  14. Q14. 高度な規制対応が求められる業界に属する企業が、コンテンツ生成ユースケース向けに大規模言語モデル（LLM）を展開しようとしています。人間中心設計のLLMが直面する主な課題は何ですか？

    • A. AIシステムの低計算能力
    • B. モデルの透明性および説明可能性
    • C. 予測精度の欠如
    • D. モデルパラメータ数の多さ

    この問題を見る →

  15. Q15. ある開発者が、生成AIを活用して既存のチャットボットをアプリケーションに統合しようとしています。この開発者は、アプリケーションのチャット履歴に攻撃的な言葉が含まれていることに気づきました。この開発者は、攻撃的な言葉を検出し防止するために、どのAWSサービスを活用できますか？

    • A. Amazon Macie
    • B. Amazon Polly
    • C. Amazon SageMaker Clarify
    • D. Amazon Comprehend

    この問題を見る →

  16. Q16. ある企業が、ニューラルネットワークに基づくモデルを構築し、文書を複数のカテゴリに分類しようとしています。同社は、ステークホルダーに対してモデルの動作および予測を説明可能にすることを望んでいます。これらの要件を満たすために、最も少ない運用負荷で実現できる手法はどれですか？

    • A. モデルの正確性およびパフォーマンス指標のみに依存する
    • B. モデルの重みおよび特徴を手動で検査して内部機構を理解する
    • C. 選択したモデルアーキテクチャに特化したカスタムの説明可能性手法を開発する
    • D. SHAP（Shapley Additive Explanations）などのモデル非依存型の説明可能性手法を活用する

    この問題を見る →

  17. Q17. ある企業が生成AIソリューションを導入しようとしています。同社は、関連するセキュリティプロトコルおよびフレームワークが法令遵守要件を満たすことを保証する必要があります。これらの要件は、生成AIアプリケーションのリスク、ガバナンス、およびコントロールを評価するのに役立ちます。これらの要件を満たすサービスまたはフレームワークはどれですか？

    • A. AWS Serverless Application Model (AWS SAM)
    • B. 生成AIセキュリティ範囲マトリクス
    • C. AWS生成AI弾力的ライフサイクルフレームワーク
    • D. AWS Artifact

    この問題を見る →

  18. Q18. ある企業が、顧客データをAmazon S3に保存しています。同社のコンプライアンスポリシーでは、個人識別情報（PII）および保護された健康情報（PHI）をMLモデルのトレーニングに使用してはならないと定められています。同社は、これらのセンシティブなデータを検出し監視するために、どのAWSサービスを活用できますか？

    • A. Amazon Inspector
    • B. AWS Config
    • C. AWS Audit Manager
    • D. Amazon Macie

    この問題を見る →

  19. Q19. AIおよびMLワークロードのセキュリティを強化するための最も適切なコントロールはどれですか？

    • A. データ暗号化と最小権限の原則を用いてアクセスを制御する
    • B. オープンなコンピューティングおよびネットワーク環境を構築する
    • C. 秘密の質問を用いて認証情報を保護する
    • D. 安定したバージョンを維持するために以前のワークロードを削除する

    この問題を見る →

  20. Q20. ある企業がAmazon S3に保存された機密データを用いてモデル訓練を行おうとしています。この企業は、訓練データがインターネットに到達することを防止しなければなりません。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
    • B. AWS PrivateLink
    • C. AWS Identity and Access Management (IAM)
    • D. Amazon Inspector

    この問題を見る →

  21. Q21. AIアプリケーションを開発している企業が、グローバルな標準およびフレームワークに関するガイダンスを取得したいと考えています。この企業は、自社のAIアプリケーションがグローバルな標準に準拠することを保証し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. AWS CloudTrail
    • B. AWS Trusted Advisor
    • C. 国際標準化機構（ISO）
    • D. Amazon Inspector

    この問題を見る →

  22. Q22. ある企業が、大規模言語モデル（LLM）を用いたパブリックチャットボットを設計しました。この企業は、プロンプト注入攻撃を懸念しており、その対策を実装したいと考えています。以下の戦略のうち、さまざまなタイプのプロンプト注入攻撃を最も効果的に防止できるのはどれですか？

    • A. ユーザーがどのトピックについて質問できるかを記述したシステムプロンプトを作成する
    • B. 不適切な行動を阻止し犯罪活動を回避するためのコンテンツフィルターを使用する
    • C. プロンプト注入攻撃に関連するキーワードをブロックするワードフィルターを使用する
    • D. （tag123）などのサルト付きシーケンスラベルで命令をラップする

    この問題を見る →

  23. Q23. ある企業のガバナンスチームは、製品カスタマイズを行わずに、同社が利用するすべての大規模言語モデル（LLM）のリスク評価を追跡したいと考えています。この企業は、LLMのホスティングおよびデプロイメントにAmazon SageMakerを利用しています。これらの要件を満たすSageMaker機能はどれですか？

    • A. SageMaker Model Registry
    • B. SageMaker Model Cards
    • C. SageMaker Clarify
    • D. SageMaker Experiments

    この問題を見る →

  24. Q24. ある企業が、Amazon S3バケットに保存されたデータに対して単一レイヤーのオブジェクトレベルサーバーサイド暗号化を適用したいと考えています。データサイエンティストは、このデータを用いてMLモデルを訓練します。データサイエンティストは暗号化キーのローテーションを制御したいと考えています。これらの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 S3暗号化クライアントを用いたクライアントサイド暗号化
    • B. AWS KMSキーを用いたサーバーサイド暗号化（SSE-KMS）
    • C. 顧客提供のキーを用いたサーバーサイド暗号化（SSE-C）
    • D. AWS KMSキーを用いた二重レイヤーサーバーサイド暗号化（DSSE-KMS）

    この問題を見る →

  25. Q25. 金融サービス企業が、大規模言語モデル（LLM）を活用したエージェントを展開しようとしています。このエージェントは投資口座の所有者に対しアドバイスを提供し、取引操作を自動実行します。以下の選択肢から、それぞれの説明に最も適したプロンプトエンジニアリングリスクを選んでください。攻撃者がLLMにフロントエンドアプリケーションから受信したすべての命令を出力させることで、実装上の攻撃者が悪用可能な脆弱性が明らかになります。

    • A. 会話履歴の抽出
    • B. プロンプトにおける人格切り替え
    • C. プロンプトテンプレートの抽出
    • D. プロンプトテンプレートの無視

    この問題を見る →

  26. Q26. ある企業が、Amazon Bedrockモデルに対するAPIアクセスのメトリクスを追跡したいと考えています。この要件を満たすAWSサービスはどれですか？

    • A. Amazon CloudWatch
    • B. AWS Config
    • C. AWS Artifact
    • D. AWS Inspector

    この問題を見る →

  27. Q27. 以下のリストから、次のタスクに適したAWSサービスまたは機能を選択してください。このAWSサービスまたは機能は1つ以上選択できます。アイデンティティ認証およびリソースレベルのアクセス制御を実装します。

    • A. Amazon Bedrockのガードレール
    • B. AWS Identity and Access Management (IAM)

    この問題を見る →

  28. Q28. ある企業が、自社ウェブサイト上で製品説明を生成するために生成AIを活用したいと考えています。企業は生成AIのどのような制限に注意すべきでしょうか？

    • A. 生成AIモデルはバイアスのある、あるいは不適切なコンテンツを生成する可能性があり、人手によるレビューと編集が必要である
    • B. 生成AIは製品説明に必要な大量のデータを処理できない
    • C. 生成AIは、ECサイトに必要な複数言語のテキストを生成できない
    • D. 生成AIモデルは製品仕様や詳細を理解・統合する能力を欠いている

    この問題を見る →

  29. Q29. あるデータサイエンティストが、訓練データ上では高い精度を示すが、テストデータ上では精度が低いモデルを構築しました。このような結果は、何を示していますか？

    • A. 訓練時間が不足している
    • B. アンダーフィッティング
    • C. 訓練データが多すぎる
    • D. オーバーフィッティング

    この問題を見る →

  30. Q30. ある企業が、テキスト生成向けの基礎モデル（FM）の性能を評価したいと考えています。このような要件を満たす技術または指標はどれですか？

    • A. 強化学習
    • B. F1スコア
    • C. ROUGE（Recall-Oriented Understudy for Gisting Evaluation）
    • D. ファインチューニング

    この問題を見る →

  31. Q31. ある旅行会社が、マーケティング資料用の背景画像を生成するために、事前学習済みの生成AIモデルを活用したいと考えています。同社にはMLの専門知識がありません。また、MLモデルのカスタマイズおよびホスティングを希望していません。このような要件を満たすAWSサービスはどれですか？

    • A. Amazon Bedrock
    • B. Amazon SageMaker JumpStart
    • C. Amazon Rekognition
    • D. Amazon Personalize

    この問題を見る →

  32. Q32. 生成AIの文脈において、基礎モデル（FM）とは何ですか？

    • A. 金融や医療などの特定分野で訓練されたタスク固有のモデルであり、当該分野の基盤となるもの
    • B. 多様なデータセット上で事前学習された大規模な汎用モデルであり、下流タスクに対してファインチューニング可能
    • C. 異なるタイプのモデルがどのように表現を学習するかを理解するための理論的枠組み
    • D. より複雑なニューラルネットワーク設計の出発点となる基本的なアーキテクチャ

    この問題を見る →

  33. Q33. ある小売企業が、EC顧客向けウェブサイトでパーソナライズされた製品説明を生成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プロンプトエンジニアリング技術はどれですか？

    • A. 優れた製品説明の例を用いたファew-shotプロンプト
    • B. 例を一切使用しないゼロショットプロンプト
    • C. 顧客のエンゲージメント指標に基づいて説明を最適化するファインチューニング
    • D. 異なる分野で継続的に事前学習する

    この問題を見る →

  34. Q34. ある企業が、Amazon Bedrockに対するAPIアクセスを監査したいと考えています。コンプライアンス上の目的から、これらのログにはAPIアクセス、アクセスを行ったユーザー、およびアクセス時刻が含まれる必要があります。このような要件を満たすAWSサービスはどれですか？

    • A. Amazon Inspector
    • B. Amazon CloudWatch
    • C. AWS Trusted Advisor
    • D. AWS CloudTrail

    この問題を見る →

  35. Q35. ある企業が、多様なデータソースおよびフォーマットからインサイトを抽出し、サービスの品質を向上させたいと考えています。データソースにはコールセンターの音声、顧客からのテキストフィードバック、製品画像、スキャンされたドキュメントなどが含まれます。PNG形式で保存された請求書からテキストおよび手書きの内容を検出するには、どのAWSサービスが適していますか？

    • A. Amazon Polly
    • B. Amazon Textract
    • C. Amazon Kendra
    • D. Amazon Comprehend

    この問題を見る →

  36. Q36. ある企業が、多様なデータソースおよびフォーマットからインサイトを抽出し、サービスの品質を向上させたいと考えています。データソースにはコールセンターの音声、顧客からのテキストフィードバック、製品画像、スキャンされたドキュメントなどが含まれます。特定のドメイン（専門分野）における音声認識の精度を向上させるには、どのソリューションが最も適していますか？

    • A. Amazon Lexでカスタムボットを使用する
    • B. Amazon Translateでカスタム言語モデルを使用する
    • C. Amazon Transcribeでバッチ言語認識を使用する
    • D. Amazon Transcribeでカスタム言語モデルを使用する

    この問題を見る →

  37. Q37. インストラクションベースのファインチューニングに有効なデータ形式はどれですか？

    • A. カテゴリラベル付きの画像
    • B. おすすめ音楽を含むプレイリスト
    • C. プロンプト－レスポンスのテキストペア
    • D. 文字起こしが付与された音声ファイル

    この問題を見る →

  38. Q38. ある企業がAmazon SageMakerを用いてMLモデルを開発しています。同社は、モデル所有者がモデル情報を記録できるソリューションを実装したいと考えています。モデル情報には、想定用途、リスク評価、トレーニング詳細、評価結果が含まれる必要があります。このような要件を満たすSageMakerの機能はどれですか？

    • A. SageMaker Role Manager
    • B. SageMaker Model Cards
    • C. SageMaker Model Dashboard
    • D. SageMaker Model Monitor

    この問題を見る →

  39. Q39. ある企業がAIアプリケーション向けにコンテナ化されたフロントエンドアプリケーションを運用しています。同社は、AWS環境のセキュリティ状態を評価するソリューションを実装する必要があります。このソリューションは、アプリケーションが使用するAmazon EC2インスタンスおよびAmazon Elastic Container Registry（Amazon ECR）リポジトリ内の潜在的なセキュリティ脆弱性を特定し、是正措置の推奨を提供しなければなりません。このような要件を満たすAWSサービスはどれですか？

    • A. AWS CloudTrail
    • B. AWS Config
    • C. AWS Inspector
    • D. AWS Artifact

    この問題を見る →

  40. Q40. ある企業が、自社のナレッジベースの意味検索機能を強化するソリューションをAWS上で展開しようとしています。同社は、このソリューションをAmazon Bedrockと統合する予定です。Amazon Bedrockへのアクセスを保護するために、どのAWSサービスが利用できますか？

    • A. Amazon Macie
    • B. Amazon Rekognition
    • C. AWS Identity and Access Management (IAM)
    • D. AWS Config

    この問題を見る →

  41. Q41. 金融機関が、オープンソースの基礎モデル（FM）を活用して融資契約がコンプライアンス規則に適合しているかを評価したいと考えています。また、監査プロセスにおける手動作業を削減したいと考えています。このような要件を満たすAWSサービスはどれですか？

    • A. Amazon SageMaker JumpStart
    • B. Amazon Textract
    • C. Amazon Kendra
    • D. Amazon Q Business

    この問題を見る →

  42. Q42. ある企業が、大規模言語モデル（LLM）の応答の一貫性および品質を向上させるために、モデルに外部知識ソースへのアクセスを提供したいと考えています。このような要件を、最小限の開発工数で満たす技術はどれですか？

    • A. ファインチューニング
    • B. 検索拡張生成（RAG）
    • C. コンテキスト学習
    • D. プロンプトエンジニアリング

    この問題を見る →

  43. Q43. ある電子商取引企業が、顧客データを活用したAIレコメンデーションシステムを展開しようとしています。データはAmazon S3に保存されています。この企業は、データガバナンスおよびプライバシー規制を遵守し、個人識別情報（PII）を特定して保護したいと考えています。どのAWSサービスがこれらの要件を満たしますか？

    • A. AWS Config
    • B. AWS CloudTrail
    • C. AWS Trusted Advisor
    • D. Amazon Macie

    この問題を見る →

  44. Q44. テキスト要約の文脈において、基礎モデル（FM）の性能を評価するために使用される指標はどれですか？

    • A. 再現率
    • B. F1スコア
    • C. 分類正解率
    • D. ROUGE-N

    この問題を見る →

  45. Q45. ある企業がAWS上でMLモデルをホストしています。この企業は、AWSのセキュリティおよびコンプライアンスに関するドキュメントを必要としています。どのAWSサービスがこれらの要件を満たしますか？

    • A. Amazon CloudWatch
    • B. AWS CloudTrail
    • C. AWS Artifact
    • D. AWS Trusted Advisor

    この問題を見る →

  46. Q46. 「アルゴリズムおよび統計モデルを開発し、明示的な指示なしに複雑なタスクを実行できるコンピュータシステムを構築する」という概念を表すのはどれですか？

    • A. オブジェクト指向プログラミング（OOP）
    • B. Amazon SageMaker組み込みアルゴリズム
    • C. 推論
    • D. ML

    この問題を見る →

  47. Q47. ある企業が、生成AIの基礎モデル（FM）を活用して、特定分野向けのテキスト生成ソリューションを構築しようとしています。このソリューションは、社内でブログ記事およびマーケティングコンテンツを生成するために使用され、これらのコンテンツは企業の外部ウェブサイトに公開されます。生成AIのFMを用いてブログ記事を生成する際の欠点は何ですか？

    • A. 生成コンテンツの不正確さ
    • B. 生成AIのFMの応答能力
    • C. 情報の要約能力
    • D. 上市までの期間の延長

    この問題を見る →

  48. Q48. ある企業が、生成AIの基礎モデル（FM）を活用して、特定分野向けのテキスト生成ソリューションを構築しようとしています。このソリューションは、社内でブログ記事およびマーケティングコンテンツを生成するために使用され、これらのコンテンツは企業の外部ウェブサイトに公開されます。この企業は、どのAWSサービスを用いて生成AIのFMを選択できますか？

    • A. Amazon Augmented AI (A2I)
    • B. Amazon Bedrock
    • C. Amazon Lex
    • D. Amazon Personalize

    この問題を見る →

  49. Q49. ある企業が、生成AIの基礎モデル（FM）を活用して、特定分野向けのテキスト生成ソリューションを構築しようとしています。このソリューションは、社内でブログ記事およびマーケティングコンテンツを生成するために使用され、これらのコンテンツは企業の外部ウェブサイトに公開されます。この企業は、生成されたコンテンツに業界固有の用語を含めるために、どの技術を活用できますか？

    • A. ドメイン適応ファインチューニング
    • B. 人間のフィードバックによる強化学習
    • C. インストラクションベースのファインチューニング
    • D. 教師あり学習

    この問題を見る →

  50. Q50. ある企業が、生成AIの基礎モデル（FM）を活用して、特定分野向けのテキスト生成ソリューションを構築しようとしています。このソリューションは、社内でブログ記事およびマーケティングコンテンツを生成するために使用され、これらのコンテンツは企業の外部ウェブサイトに公開されます。この企業は、コンテンツをオンラインに公開する前に、生成されたコンテンツの品質を評価するために何を採用すべきですか？

    • A. ガードレールの実装
    • B. 検索拡張生成（RAG）の利用
    • C. ファイショットプロンプトエンジニアリングの実行
    • D. 人間による評価の導入

    この問題を見る →

  51. Q51. ある企業が、生成AIの基礎モデル（FM）を活用して、特定分野向けのテキストベースの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、社内向けに短い記事およびマーケティングコンテンツを生成し、それらを企業の外部ウェブサイトに公開するものです。生成AIを活用する際、企業が特に考慮すべきリスクは何ですか？

    • A. 運用コストの増加
    • B. データプライバシー規制の違反
    • C. 知的財産権（IP）侵害による請求
    • D. プロンプトインジェクション攻撃

    この問題を見る →

  52. Q52. ある企業が、生成AIの基礎モデル（FM）を活用して、特定分野向けのテキストベースの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、社内向けに短い記事およびマーケティングコンテンツを生成し、それらを企業の外部ウェブサイトに公開するものです。この企業は、AIソリューションに必要な所有権レベルを評価するために、どのAWSサービスまたはフレームワークを活用できますか？

    • A. 生成AIセキュリティ範囲マトリクス
    • B. AWS Trusted Advisor
    • C. Amazon Inspector
    • D. Amazon Macie

    この問題を見る →

  53. Q53. グローバルな企業が、顧客チャット能力を拡張するAI支援ツールを構築しようとしています。すべての生成されたチャット応答は、前向きで、親しみやすく、偏りのないものでなければなりません。このような要件を満たす基礎モデル（FM）を特定するために、どの評価手法が有効ですか？

    • A. Amazon SageMaker Clarify を使用して、過去の顧客チャットデータセット内でバイアスを識別する
    • B. AWS AIサービスカードを用いて、各モデルのベンチマーク性能例をレビューする
    • C. Amazon Augmented AI (A2I) を使用して、顧客に送信する前に応答をレビューする
    • D. Amazon SageMaker Clarify を使用して、テストデータセット上でモデルの毒性（toxicity）を定量化する

    この問題を見る →

  54. Q54. ある企業が、反復的な文書要約タスク向けに生成AIアプリケーションを構築しようとしています。当初、基礎モデル（FM）が出力する要約の形式および品質が一貫していませんでした。そこで、プロンプトエンジニアリングを活用して、プロンプトテンプレートを改善し、要約の品質および形式の一貫性を高めようとしています。どの解決策が、出力品質の向上に最も効果的ですか？

    • A. 要約対象文書が格納されているドキュメントリポジトリへのリンクを含める
    • B. 要約対象文書内の情報の見出し形式を記述する
    • C. 初期プロンプトから自動生成された要約を含める
    • D. 所望の形式およびスタイルを示す厳選された要約を含める

    この問題を見る →

  55. Q55. ラベル付きデータを用いて、自動車が交通信号、標識および物体を認識するように訓練します。

    • A. 教師なし学習
    • B. 半教師あり学習
    • C. 教師あり学習

    この問題を見る →

  56. Q56. ある企業が、Amazon SageMaker を用いてMLソリューションの開発を開始しようとしています。同社には、データクリーニングおよび準備用のスクリプトを作成できる熟練したスタッフがいません。この企業は、スクリプト作成の必要性を最小限に抑えつつ、データクリーニングおよび準備を行うために、どのSageMaker機能を活用できますか？

    • A. SageMaker Data Wrangler
    • B. SageMaker Feature Store
    • C. SageMaker Clarify
    • D. SageMaker Pipelines

    この問題を見る →

  57. Q57. ある製造企業が、社内従業員向けの仮想アシスタントを構築したいと考えています。この仮想アシスタントは、企業独自の技術文書のみに基づいて技術的な質問に回答すべきです。また、モデルのハルシネーション（幻覚）を最小限に抑え、データ準備に関連する作業を軽減したいと考えています。これらの要件を、最小限の運用負荷で満たすには、どのソリューションが最も適していますか？

    • A. 企業の知識ベースを用いて基礎モデル（FM）をファインチューニングする
    • B. 製造分野に関連するデータで訓練された基礎モデルを活用する
    • C. 検索拡張生成（RAG）を実装する
    • D. 多数の指示をプロンプトに記述して、コンテキストラーニングを活用する

    この問題を見る →

  58. Q58. ある企業が、リアルタイム取引に関連する埋め込みベクトルを保存するためのリレーショナルデータベースシステムを必要としています。どのAWSサービスがこれらの要件を満たしますか？

    • A. Amazon OpenSearch Service
    • B. Amazon Redshift
    • C. Amazon RDS for PostgreSQL
    • D. Amazon DocumentDB (with MongoDB Compatibility)

    この問題を見る →

  59. Q59. ある開発者は、絵画、スケッチ、アニメーションを含むユースケース向けのコンテンツ審査ソリューションを必要としています。このソリューションは、これらの要件を満たすために最小限の運用オーバーヘッドで実現する必要があります。

    • A. Amazon Bedrock を使用して、特定の審査ユースケースに合わせてマルチモーダル埋め込みモデルをファインチューニングする
    • B. Amazon Rekognition を使用し、特定の審査ユースケース向けにカスタムアダプターを利用する
    • C. Amazon SageMaker JumpStart を使用して、オープンソースの物体検出モデルをファインチューニングする
    • D. Amazon SageMaker Canvas を使用して、コンテンツ審査モデルを構築およびファインチューニングする

    この問題を見る →

  60. Q60. 営業担当者が顧客契約書をPDF形式でAmazon S3バケットに保存しています。この営業担当者は、ドキュメントの内容を要約し、ドキュメント内の情報をもとに質問に回答するソリューションを必要としています。この営業担当者はコーディング経験がありません。どのAWSサービスがこれらの要件を満たしますか？

    • A. Amazon QuickSight
    • B. Amazon Textract
    • C. Amazon SageMaker Canvas
    • D. Amazon Kendra

    この問題を見る →

  61. Q61. どのタイプのプロンプトインジェクション攻撃が、大規模言語モデル（LLM）に対して構造化された指示に従わないよう要求し、禁止または有害なトピックに関する出力を生成させるものですか？

    • A. 入力の変更
    • B. 親しみやすさの悪用
    • C. プロンプトテンプレートの無視
    • D. プロンプトによる人格切り替え

    この問題を見る →

  62. Q62. ある企業が不正取引を検出するAIモデルを展開しようとしています。モデルを公開する前に、企業はモデルのパフォーマンスを評価する必要があります。モデル開発パイプラインのどの段階がモデルのパフォーマンス評価に重点を置いていますか？

    • A. データ前処理
    • B. モデル評価
    • C. モデル監視
    • D. モデルデプロイ

    この問題を見る →

  63. Q63. ある地域の公益事業会社が、顧客向けにパーソナライズされた省エネヒントを生成する生成AIアプリケーションを構築しようとしています。同社は、顧客の入力をプロンプトテンプレートに挿入することでプロンプトを作成するアプリケーションを開発しました。顧客の入力は、郵便番号、世帯人数、関心のあるトピックなどの事前設定リストからの選択に限定されています。同社のシステムおよび顧客データのセキュリティは極めて重要です。どのソリューションが、プロンプトインジェクション攻撃を防止する上で最も高いセキュリティ効果を提供しますか？

    • A. システム全体のソフトウェア更新頻度を高める
    • B. プロンプトテンプレートに、関連のないリクエストをどのように処理するかに関する説明を追加する
    • C. パーソナライズされた顧客リクエストを受け付けるために、アプリケーションをテキストボックスで更新する
    • D. モデルの毒性評価に基づいてプロンプトテンプレートを最適化する

    この問題を見る →

  64. Q64. あるAWS管理者が、AWS環境におけるMLリソースの保護を必要としています。管理者は、ユーザー、グループ、フェデレーテッドロールの各レベルでAmazon S3およびAmazon SageMakerへのアクセス権限を適切に設定しなければなりません。管理者は、これらの権限を付与するためにどのAWSサービスまたは機能を使用できますか？

    • A. AWS Secrets Manager
    • B. AWS Key Management Service (AWS KMS)
    • C. S3バケットポリシー
    • D. AWS Identity and Access Management (IAM)

    この問題を見る →

  65. Q65. ある企業が過去30日間の毎時の気温データを収集しました。同社は、今後24時間の気温を予測するMLモデルをトレーニングしたいと考えています。どの手法がこの要件を満たしますか？

    • A. クラスタリングアルゴリズム
    • B. 異常検出アルゴリズム
    • C. 予測アルゴリズム
    • D. 分類アルゴリズム

    この問題を見る →

  66. Q66. ある企業が、顧客フィードバックを評価し、それを「肯定的」または「否定的」に分類するMLアプリケーションを構築しようとしています。このアプリケーションには、どのMLモデルを使用すべきですか？

    • A. バイナリ分類モデル
    • B. マルチクラス分類モデル
    • C. 画像分類
    • D. 回帰モデル

    この問題を見る →

  67. Q67. ある企業が、顧客と自然言語による対話を行うチャットボットを構築したいと考えています。同社はマネージドソリューションを実装したいと考えています。この要件を満たすAWSサービスはどれですか？

    • A. Amazon Polly
    • B. Amazon Transcribe
    • C. Amazon Lex
    • D. Amazon SageMaker

    この問題を見る →

  68. Q68. あるデータサイエンティストが、市場データセットから売上高を予測するAIモデルを構築しようとしています。データをインジェストした後、このデータサイエンティストは、どの市場パラメータが売上高に最も影響を与えるかを特定したいと考えています。その後、このデータサイエンティストはこれらのパラメータをモデルに組み込みます。これは機械学習（ML）ライフサイクルのどのステップを説明していますか？

    • A. データ収集
    • B. 特徴選択
    • C. モデル検証
    • D. モニタリング

    この問題を見る →

  69. Q69. あるMLエンジニアが、ファウンデーションモデル（FM）をデプロイし、そのFMの出力フォーマットを調整する必要があると考えています。このMLエンジニアは、FMの出力フォーマットを調整するための技術を実装したいと考えています。この要件を最もコスト効率よく満たす技術はどれですか？

    • A. 検索拡張生成（RAG）
    • B. プロンプトエンジニアリング
    • C. 特徴エンジニアリング
    • D. ファインチューニング

    この問題を見る →

  70. Q70. ある企業がAmazon Bedrockを使用して文書のドラフトを作成したいと考えています。同社が最初に取るべき手順は何ですか？

    • A. 生成のために入力トークン割り当てを選択する
    • B. 基礎モデルを選択する
    • C. ベクトルデータベースを選択する
    • D. 生成のために埋め込みを選択する

    この問題を見る →

  71. Q71. あるデータサイエンティストが、埋め込みを用いてコンテンツをベクトルとして表現するテキスト生成モデルを調査しています。このような状況で埋め込みを使用する目的は何ですか？

    • A. 入力テキストを単語またはサブワード単位にトークン化する
    • B. 入力テキストを数字トークンのシーケンスに符号化する
    • C. 入力テキストにアテンション機構を適用する
    • D. 単語のベクトル表現に基づき、単語間の意味的関係を捉える

    この問題を見る →

  72. Q72. あるデータサイエンティストが、「the movie was really great」という文を埋め込みモデルに与えました。このモデルの出力は何ですか？

    • A. 短語の感情を表す単語
    • B. 短語の信頼性を評価する値
    • C. 短語を描いた画像
    • D. 数値配列

    この問題を見る →

  73. Q73. 画像処理を含む大規模な英語からフランス語への翻訳特許リポジトリを開発する場合。

    • A. 従来のMLモデル
    • B. 生成AIモデル

    この問題を見る →

  74. Q74. ある開発者が、ポッドキャストホストがポッドキャストエピソードを要約できるWebアプリケーションを構築しようとしています。まず、ポッドキャストホストは、ポッドキャストの音声を文字起こししたファイルをWebアプリケーションにアップロードする必要があります。その後、ポッドキャストホストは、ポッドキャストエピソードの2つの要約を含む電子メールを受け取ります。ポッドキャストホストは、これらの要約をソーシャルネットワーク上でコンテンツを宣伝するために使用します。この要件を満たすAWSサービスはどれですか？

    • A. Amazon Textract
    • B. Amazon Transcribe
    • C. Amazon Comprehend
    • D. Amazon Bedrock

    この問題を見る →

  75. Q75. ある企業が、顧客のクエリをサポートする仮想アシスタントを作成したいと考えています。この仮想アシスタントは自然言語で回答を提供します。これらの回答は、Amazon S3に保存されたドキュメントに基づきます。企業はマネージドサービスを利用したいと考えており、モデル、埋め込み、対話機能、またはベクトルストレージの設定パラメータを手動で構成したくありません。このような要件を最もコスト効率よく満たすソリューションはどれですか？

    • A. Amazon Comprehend
    • B. Amazon Q Business
    • C. Amazon SageMaker JumpStart
    • D. Amazon Lex

    この問題を見る →

  76. Q76. あるニュース企業が、サブスクライバーに最も関連性の高いニュースを提供することで、クリック率を向上させ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AWSサービスはどれですか？

    • A. Amazon Comprehend
    • B. Amazon Personalize
    • C. Amazon Kendra
    • D. Amazon Bedrock

    この問題を見る →

  77. Q77. ある企業が、複数の電子メールおよび長時間の会議録を要約するための社内ソリューションを開発したいと考えています。このソリューションには、Amazon Bedrock上の基礎モデル（FM）を活用することを検討しています。モデルを選定する際、まず考慮すべきモデルの属性はどれですか？

    • A. Temperature
    • B. Top P
    • C. 停止シーケンス
    • D. コンテキストウィンドウ

    この問題を見る →

  78. Q78. ある大学が、基礎モデル（FM）を活用して学生が模擬試験の数学問題を解けるようにするアプリケーションを開発したいと考えています。このアプリケーションは、解答が正しい（または誤っている）理由を、推論プロセスと段階的な説明を提供することで学生に理解させることを目的としています。このような目的を最も確実かつ効果的に達成するために、どの技術を採用すべきですか？

    • A. 単一サンプル（One-shot）
    • B. 少数サンプル（Few-shot）
    • C. 検索拡張生成（RAG）
    • D. チェーン・オブ・ソート（Chain-of-Thought）

    この問題を見る →

  79. Q79. プロンプトエンジニアリングにおいて、プロンプトテンプレートを活用する主な目的は何ですか？

    • A. 複雑な問題をより小さな論理的要素に分解することでモデルを誘導すること
    • B. モデルが未見のカテゴリやタスクに対しても一般化・予測できるように訓練すること
    • C. モデルに対して一貫性と構造化された入力・出力フォーマットを提供すること
    • D. 限られたデータを用いてモデルに新しいカテゴリやタスクを教えること

    この問題を見る →

  80. Q80. ある医療機器メーカーが、オンライン製品カタログにAI生成の製品概要を追加することを計画しています。同社は、業界特有の専門用語を含めることで生成結果の品質を向上させたいと考えています。MLチームは、大量の未ラベル化された業界標準および研究資料にアクセス可能です。このような要件を満たすML技術はどれですか？

    • A. 編集済みのサンプルを次のプロンプトに含めるためにプロンプトエンジニアリングを活用すること
    • B. 関連する専門用語を含めるために検索拡張生成（RAG）を活用すること
    • C. データセット上で基礎モデルを継続的前訓練（continued pre-training）することでカスタマイズすること
    • D. 業界向けデータセットを用いたインストラクションベースのファインチューニングにより基礎モデルをカスタマイズすること

    この問題を見る →

  81. Q81. ある企業が、大規模言語モデル（LLM）を活用して自社の業務領域に特化した言語を学習させたいと考えています。同社は、その領域特有の言語を含む大量の未ラベル化データを保有しています。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. 自社のデータを用いてLLMをファインチューニングすること
    • B. 自社のデータを用いてLLMを継続的前訓練（continued pre-training）すること
    • C. 自社のデータを用いて新しいLLMをトレーニングすること
    • D. LLMのプロンプト内で自社のデータをコンテキストとして提供すること

    この問題を見る →

  82. Q82. ある企業が、カスタマーサポート用チャットボットの応答を生成するMLモデルを開発しています。このモデルが出力する応答が、ドメイン専門家（SME）が作成した応答とどれだけ類似しているかを評価する必要があります。企業には、SMEが検証済みの質問・応答サンプルのデータセットが存在します。このモデルの性能を評価するために、どの指標を用いるべきですか？

    • A. BERTScore
    • B. 平均二乗誤差（MSE）
    • C. パープレキシティ（Perplexity）
    • D. F1スコア

    この問題を見る →

  83. Q83. 金融機関が顧客のローン資格を予測する機械学習（ML）モデルを開発しています。同社は、トレーニングデータおよびモデル予測におけるバイアスを検出・評価できるソリューションを求めています。この要件を満たすAWSサービスはどれですか？

    • A. Amazon Rekognition
    • B. Amazon SageMaker Clarify
    • C. Amazon SageMaker Ground Truth
    • D. Amazon SageMaker Model Monitor

    この問題を見る →

  84. Q84. AI専門家が回帰型MLモデルをトレーニングしており、その過程でバイアスと分散の挙動を観察しています。どのバイアス・分散の組み合わせがモデルの過学習を引き起こしますか？

    • A. 低バイアス、低分散
    • B. 低バイアス、高分散
    • C. 高バイアス、低分散
    • D. 高バイアス、高分散

    この問題を見る →

  85. Q85. モデルがトレーニングデータ上で良好な性能を示すが、未見のデータへの一般化ができない場合、これは何を示していますか？

    • A. バイアス
    • B. 公平性
    • C. 過学習
    • D. 過小適合
    • E. 説明可能性

    この問題を見る →

  86. Q86. ある企業が、報酬に基づくフィードバックを用いた強化学習（RLHF）を活用して、AIアプリケーションに人間中心の設計を適用しています。同社は、人間によるフィードバックを含む信頼性の高いトレーニングデータセットを作成し、開発中の大規模言語モデル（LLM）の性能向上を図り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. Amazon SageMakerの組み込みアルゴリズムを使用する
    • B. Amazon SageMaker Ground Truthを使用する
    • C. Amazon SageMaker Autopilotを使用する
    • D. Amazon SageMaker Pipelinesを使用する

    この問題を見る →

  87. Q87. ある企業は監査目的で、自社が開発したMLモデルに関する情報を提供する必要があります。この情報には、モデルのトレーニングおよび性能に関する詳細が含まれる必要があります。この要件を満たすAWSサービスまたは機能はどれですか？

    • A. Amazon Bedrock Agents
    • B. Amazon Bedrock Guardrails
    • C. Amazon SageMaker Model Cards
    • D. Amazon SageMaker Ground Truth

    この問題を見る →

  88. Q88. 医療保険会社はコンプライアンスポリシーを遵守する必要があります。当該ポリシーでは、Amazon S3上に保存されたデータをML用Amazon EC2インスタンスへ転送する際に、インターネットを経由してはならないと定められています。この要件を満たすソリューションはどれですか？

    • A. ゲートウェイエンドポイント
    • B. S3アクセスポイント
    • C. VPCフローログ
    • D. トランジットゲートウェイ

    この問題を見る →

  89. Q89. ソーシャルメディア企業は、プラットフォーム上のクリエイティブコンテンツ（例：写真、アニメーション、イラスト）の種類が増加することに対応したいと考えています。同社は、これらのクリエイティブコンテンツの種類に対してコンテンツモデレーションを行い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ソリューションはどれですか？

    • A. Amazon BedrockでAmazon Titanモデルをファインチューニングする
    • B. Amazon SageMaker Canvasを用いてコンテンツモデレーションモデルを構築する
    • C. Amazon SageMaker Studioを用いてコンテンツモデレーションモデルを構築する
    • D. Amazon Rekognitionのコンテンツモデレーション機能を使用する

    この問題を見る →

  90. Q90. ある企業は、複数のWebアプリケーションをAmazon EC2インスタンス上でホストしています。これらのWebアプリケーションは、Amazon Bedrock内の基盤モデル（FM）にアクセスする必要があります。監査目的のため、同社はWebアプリケーションによるAmazon Bedrockへのすべてのアクセスを自動記録する仕組みを導入したいと考えています。この仕組みは、各APIアクセスおよび推論アクセスのユーザー、ロール、タイムスタンプを記録しなければなりません。この要件を満たすAWSサービスはどれですか？

    • A. Amazon CloudWatch
    • B. Amazon Macie
    • C. AWS Trusted Advisor
    • D. AWS CloudTrail

    この問題を見る →

  91. Q91. ある企業のユーザーがAmazon SageMaker CanvasでMLモデルを開発しています。開発が完了した後、これらのモデルは、SageMaker Studioで作業するデータサイエンティストチームによってレビューおよび承認される必要があります。この要件を満たすために、データサイエンティストにMLモデルへのアクセスを提供する最小限の運用オーバーヘッドで実現できるAWSサービスはどれですか？

    • A. SageMaker JumpStart
    • B. SageMaker Model Registry
    • C. Amazon DynamoDB
    • D. Amazon Elastic Container Registry (ECR)

    この問題を見る →

  92. Q92. あるローン会社が、特定のビジネス基準に基づいて申込者に割引を提供する生成AIソリューションを構築しようとしています。同社は、責任ある方法でAIモデルを構築・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ることを望んでいます。この要件を満たすために、同社が採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. モデルを頻繁に実行することを保証する。
    • C. モデルの挙動を評価し、ステークホルダーに対して透明性を提供する。
    • D. ROUGE（Recall-Oriented Understudy for Gisting Evaluation）技術を用いて、モデルの正確性を100％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 →

  93. Q93. ある医療企業が診断用途の基礎モデル（FM）を構築しようとしています。同社は、規制要件を満たすために、当該モデルに対して透明性および説明可能性を確保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. 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与する。

    この問題を見る →

  94. Q94. 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に対する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がなく、機械学習手法についても知識がありませんが、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、内部データおよび外部データの両方を分析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. データをAmazon S3に保存し、Amazon S3内のデータを用いてAmazon SageMakerの組み込みアルゴリズムでMLモデルおよび需要予測を作成する。
    • 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でMLモデルおよび需要予測を作成する。
    • C. データをAmazon SageMaker Data Wranglerにインポートし、Amazon PersonalizeのTrending-Nowレシピを用いてMLモデルおよび需要予測を作成する。
    • D. データをAmazon SageMaker Canvasにインポートし、SageMaker Canvasからデータ内の値を選択してMLモデルおよび需要予測を構築する。

    この問題を見る →

  95. Q95. あるAIアプリケーション開発者が、Amazon Bedrockの基礎モデルを用いてカスタマーサポート部門の会話チャットを要約しています。このAIアプリケーション開発者は、モデルの入力および出力データを監視するために、最近の利用ログを保存したいと考えています。この目的を達成するため、AIアプリケーション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する。
    • B. Amazon Bedrockで呼び出しログを有効化する。
    • C. AWS Audit Managerをモデルのログターゲットとして設定する。
    • D. Amazon EventBridgeでモデル呼び出しのログ記録を設定する。

    この問題を見る →

  96. Q96. ある企業が、自社のプライベートデータのみを用いて独自の言語モデル（LLM）を構築する必要があります。同社は、訓練プロセスが環境に悪影響を及ぼすことを懸念しています。LLMの訓練時に、環境への影響が最も小さいAmazon EC2インスタンスタイプはどれですか？

    • 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 →

  97. Q97. ある会計事務所が、文書分類の自動化を実現するために言語モデル（LLM）を導入しようとしています。同社は責任ある方法でこれを実施し、潜在的なリスクを回避する必要があります。LLMの開発および展開時に、同社が実施すべき措置はどれですか？（2つ選択してください）

    • A. モデル評価に公平性指標を含める。
    • 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. 訓練データの過学習を回避する。
    • E. プロンプトエンジニアリング技術を適用する。

    この問題を見る →

  98. Q98. ある企業が、顧客との会話から洞察を得るためにコールセンター向けアプリケーションを構築しようとしています。同社は、顧客通話音声から分析および抽出された重要な情報を得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 Lexを用いて対話型チャットボットを構築する。
    • B. Amazon Transcribeを用いて通話録音を文字起こしする。
    • C. Amazon SageMaker Model Monitorを用いて通話録音から情報を抽出する。
    • D. Amazon Comprehendを用いて分類ラベルを作成する。

    この問題を見る →

  99. Q99. ある企業が、顧客の質問に回答するための会話型チャットボットを展開したいと考えています。このチャットボットは、Amazon SageMaker JumpStartで提供される事前トレーニング済みモデルに基づいて構築されます。このアプリケーションは複数の規制フレームワークを遵守する必要があります。企業が証明できる機能のうち、規制要件を満たすものはどれですか？（2つ選択してください）

    • A. インファレンスエンドポイントの自動スケーリング
    • B. 脅威検出
    • C. データ保護
    • D. コスト最適化
    • E. 疎結合マイクロサービス

    この問題を見る →

  100. Q100. ある電子商取引企業が、顧客による製品に対する書面によるレビューに基づき、顧客の感情を判断するソリューションを構築したいと考えています。これらの要件を満たすAWSサービスはどれですか？（2つ選択してください）

    • A. Amazon Lex
    • B. Amazon Comprehend
    • C. Amazon Polly
    • D. Amazon Bedrock
    • E. Amazon Rekognition

    この問題を見る →