[AWS]AI Practitioner AIF-C01 dump 최신문제 1~334 한글 번역

=== 문제 1 ===
문제: 회사는 분기마다 예측을 통해 운영을 최적화하는 방법을 결정합니다. 예상 수요를 충족합니다. 회사는 ML 모델을 사용하여 이러한 예측을 합니다.
AI 실무자는 훈련된 ML 모델에 대한 보고서를 작성하여 제공합니다. 회사 이해관계자에게 투명성과 설명 가능성을 제공합니다. AI는 무엇을 해야
하는가? 실무자는 투명성과 설명성을 충족하기 위해 보고서에 포함합니다. 요구 사항?

답변 목록:
A. 모델 훈련용 코드
B. 부분 의존도(PDP)
C. 학습용 샘플 데이터
D. 모델 수렴 테이블

정답: B

==================================================

=== 문제 2 ===
문제: 법률 회사는 대규모 언어 모델을 사용하여 AI 애플리케이션을 구축하려고 합니다. (LLM). 응용 프로그램은 법률 문서를 읽고 주요 내용을
추출합니다. 문서. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. 자동 개체명 인식 시스템을 구축하세요.
B. 추천 엔진을 만듭니다.
C. 요약 챗봇을 개발해보세요.
D. 다국어 번역 시스템을 개발합니다.

정답: C

==================================================

=== 문제 3 ===
문제: 한 회사는 유전자를 기준으로 인간의 유전자를 20가지 범주로 분류하려고 합니다. 특성. 회사는 내부 활동이 어떻게 이루어지는지 문서화하기 위해
ML 알고리즘이 필요합니다. 모델의 메커니즘이 출력에 영향을 미칩니다. 어떤 ML 알고리즘이 이를 충족합니까? 요구 사항?

답변 목록:
A. 의사결정 트리
B. 선형 회귀
C. 로지스틱 회귀
D. 신경망

정답: A

==================================================

=== 문제 4 ===
문제: 한 회사는 식물 질병을 예측하기 위해 이미지 분류 모델을 구축했습니다. 식물 잎 사진. 회사는 모델이 얼마나 많은 이미지를 가지고 있는지
평가하고 싶어합니다. 올바르게 분류되었습니다. 회사가 측정하기 위해 어떤 평가 지표를 사용해야 합니까? 모델의 성능?

답변 목록:
A. R 제곱 점수
B. 정확성
C. RMSE(제곱평균제곱오차)
D. 학습률

정답: B

==================================================

=== 문제 5 ===
문제: 한 회사에서 사전 훈련된 LLM(대형 언어 모델)을 사용하여 챗봇을 구축하고 있습니다. 제품 추천을 위해. 회사는 LLM 출력이 짧고 특정
언어로 작성되었습니다. LLM 응답을 정렬할 솔루션은 무엇입니까? 회사의 기대에 부응하는 품질인가?

답변 목록:
A. 프롬프트를 조정하세요.
B. 다른 크기의 LLM을 선택하십시오.
C. 온도를 높이십시오.
D. 상위 K 값을 늘립니다.

정답: A

==================================================

=== 문제 6 ===
문제: 한 회사는 프로덕션 환경의 ML 파이프라인에 Amazon SageMaker를 사용합니다. 이 회사는 최대 1GB의 대용량 입력 데이터 크기와
최대 1GB의 처리 시간을 보유하고 있습니다. 시간. 회사에는 실시간에 가까운 대기 시간이 필요합니다. SageMaker 추론 옵션 이러한 요구
사항을 충족합니까?

답변 목록:
A. 실시간 추론
B. 서버리스 추론
C. 비동기 추론
D. 일괄 변환

정답: C

==================================================

=== 문제 7 ===
문제: 회사는 도메인별 모델을 사용하고 있습니다. 회사는 생성을 피하고 싶어합니다. 처음부터 새로운 모델. 대신 회사는 사전 교육을 받은 사람들에게
적응하기를 원합니다. 새로운 관련 작업을 위한 모델을 생성하는 모델. 어떤 ML 전략이 이러한 기준을 충족하나요? 요구 사항?

답변 목록:
A. 에포크 수를 늘립니다.
B. 전이 학습을 사용하세요.
C. 에포크 수를 줄이세요.
D. 비지도 학습을 사용하세요.

정답: B

==================================================

=== 문제 8 ===
문제: 한 회사에서 보안경용 이미지를 생성하는 솔루션을 구축하고 있습니다. 는 솔루션은 정확도가 높아야 하며 부정확할 위험을 최소화해야 합니다. 주석.
어떤 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. Amazon SageMaker Ground Truth Plus를 사용한 Human-In-The-Loop 검증
B. Amazon Bedrock 지식 베이스를 사용한 데이터 증대
C. Amazon Rekognition을 사용한 이미지 인식
D. Amazon QuickSight Q를 사용한 데이터 요약

정답: A

==================================================

=== 문제 9 ===
문제: 한 회사가 Amazon의 기초 모델(FM)을 사용하여 챗봇을 만들고 싶어합니다. 기반암. FM은 Amazon S3에 저장된 암호화된 데이터에
액세스해야 합니다. 양동이. 데이터는 Amazon S3 관리형 키(SSE-S3)로 암호화됩니다. FM S3 버킷 데이터에 액세스하려고 할 때
오류가 발생합니다. 어느 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. Amazon Bedrock이 맡은 역할에 암호 해독 권한이 있는지 확인하십시오.
올바른 암호화 키가 있는 데이터.
B. 공개 액세스를 허용하도록 S3 버킷에 대한 액세스 권한을 설정합니다.
인터넷을 통한 액세스를 활성화합니다.
C. 신속한 엔지니어링 기술을 사용하여 모델에 정보를 찾도록 지시
아마존 S3에서.
D. S3 데이터에 민감한 정보가 포함되어 있지 않은지 확인하세요.

정답: A

==================================================

=== 문제 10 ===
문제: 한 회사는 언어 모델을 사용하여 추론을 위한 애플리케이션을 만들고 싶어합니다. 엣지 디바이스. 추론은 가능한 가장 낮은 지연 시간을 가져야
합니다. 어느 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. 에지 장치에 최적화된 소규모 언어 모델(SLM)을 배포합니다.
B. 에지 장치에 최적화된 LLM(대형 언어 모델)을 배포합니다.
C. 비동기식 중앙 집중식 SLM(Small Language Model) API를 통합합니다.
엣지 디바이스와의 통신.
D. 비동기식 중앙 집중식 LLM(대형 언어 모델) API 통합
엣지 디바이스와의 통신.

정답: A

==================================================

=== 문제 11 ===
문제: 한 회사에서 Amazon SageMaker를 사용하여 ML 모델을 구축하려고 합니다. 회사 여러 팀에서 모델 개발을 위한 변수를 공유하고
관리해야 합니다. 이러한 요구 사항을 충족하는 SageMaker 기능은 무엇입니까?

답변 목록:
A. Amazon SageMaker 피처 스토어
B. Amazon SageMaker 데이터 랭글러
C. Amazon SageMaker 명확화
D. Amazon SageMaker 모델 카드

정답: A

==================================================

=== 문제 12 ===
문제: 한 회사는 생성적 AI를 사용하여 개발자 생산성을 높이고 소프트웨어 개발. 회사는 Amazon Q Developer를 사용하고 싶어합니다.
무엇을 할 수 있습니까? Amazon Q 개발자는 회사가 이러한 요구 사항을 충족하도록 돕기 위해 무엇을 합니까?

답변 목록:
A. 소프트웨어 조각, 참조 추적 및 오픈 소스 라이선스 생성
추적.
B. 서버를 프로비저닝하거나 관리하지 않고도 애플리케이션을 실행할 수 있습니다.
C. 코딩을 위한 음성 명령을 활성화하고 자연어 검색을 제공합니다.
D. ML 모델을 사용하여 오디오 파일을 텍스트 문서로 변환합니다.

정답: A

==================================================

=== 문제 13 ===
문제: 금융 기관에서는 Amazon Bedrock을 사용하여 AI 애플리케이션을 개발하고 있습니다. 애플리케이션은 VPC에서 호스팅됩니다. 규정 준수
표준을 충족하기 위해 VPC는 인터넷 트래픽에 대한 액세스가 허용되지 않습니다. AWS 서비스 또는 기능 이러한 요구 사항을 충족합니까?

답변 목록:
A. AWS 프라이빗링크
B. 아마존 메이시
C. 아마존 클라우드프론트
D. 인터넷 게이트웨이

정답: A

==================================================

=== 문제 14 ===
문제: 한 회사는 사용자가 다음과 같은 질문에 대답하는 교육용 게임을 개발하려고 합니다. "항아리에는 빨간색 구슬 6개, 녹색 구슬 4개, 노란색 구슬
3개가 들어 있습니다. 항아리에서 녹색 구슬을 선택할 확률은 얼마입니까?" 어떤 솔루션 최소한의 운영 오버헤드로 이러한 요구 사항을 충족합니까?

답변 목록:
A. 지도 학습을 사용하여 예측하는 회귀 모델을 만듭니다.
개연성.
B. 강화 학습을 사용하여 확률을 반환하도록 모델을 훈련합니다.
C. 간단한 규칙을 사용하여 확률을 계산하는 코드를 사용하고
계산.
D. 비지도 학습을 사용하여 확률을 추정하는 모델 만들기
밀도.

정답: C

==================================================

=== 문제 15 ===
문제: AI 모델 운영의 런타임 효율성을 측정하는 측정항목은 무엇인가요? 어느 메트릭은 AI 모델 운영의 런타임 효율성을 측정합니까?

답변 목록:
A. 고객 만족도 점수(CSAT)
B. 각 에포크별 학습 시간
C. 평균 응답 시간
D. 훈련 인스턴스 수

정답: C

==================================================

=== 문제 16 ===
문제: 회사에서 컨택 센터 애플리케이션을 구축 중이며 통찰력을 얻고 싶어합니다. 고객 대화에서. 회사는 키를 분석하고 추출하고 싶어합니다. 고객 통화
오디오 정보. 이를 충족하는 솔루션 요구 사항?

답변 목록:
A. Amazon Lex를 사용하여 대화형 챗봇을 구축해 보세요.
B. Amazon Transcribe를 사용하여 통화 녹음을 녹음합니다.
C. Amazon SageMaker 모델을 사용하여 통화 녹음에서 정보 추출
감시 장치.
D. Amazon Comprehend를 사용하여 분류 레이블을 생성합니다.

정답: B

==================================================

=== 문제 17 ===
문제: 회사는 광고에 사용할 수 있는 라벨이 지정되지 않은 페타바이트 규모의 고객 데이터를 보유하고 있습니다. 캠페인. 회사는 광고를 위해 고객을
계층으로 분류하려고 합니다. 그리고 회사 제품을 홍보해 보세요. 회사는 어떤 방법론을 사용해야 합니까? 이러한 요구 사항을 충족합니까?

답변 목록:
A. 지도 학습
B. 비지도 학습
C. 강화 학습
D. 인간 피드백을 통한 강화 학습(RLHF)

정답: B

==================================================

=== 문제 18 ===
문제: AI 실무자는 FM(기본 모델)을 사용하여 검색을 설계하려고 합니다. 신청. 검색 애플리케이션은 텍스트와 이미지. AI 실무자는 검색을 강화하기
위해 어떤 유형의 FM을 사용해야 합니까? 신청?

답변 목록:
A. 다중 모드 임베딩 모델
B. 텍스트 임베딩 모델
C. 다중 모드 생성 모델
D. 이미지 생성 모델

정답: A

==================================================

=== 문제 19 ===
문제: 한 회사는 AI 검색을 위해 Amazon Bedrock의 기반 모델(FM)을 사용합니다. 도구. 회사는 다음을 사용하여 모델을 보다 정확하게
미세 조정하려고 합니다. 회사의 데이터. 모델을 성공적으로 미세 조정하는 전략은 무엇입니까?

답변 목록:
A. 프롬프트 필드와 완성 필드를 사용하여 레이블이 지정된 데이터를 제공하세요.
B. 여러 항목이 포함된 .txt 파일을 생성하여 교육 데이터 세트를 준비합니다.
.csv 형식의 줄.
C. Amazon Bedrock에 대해 프로비저닝된 처리량을 구매합니다.
D. 저널과 교과서에서 모델을 훈련합니다.

정답: A

==================================================

=== 문제 20 ===
문제: 한 회사는 AI를 사용하여 애플리케이션을 위협으로부터 보호하려고 합니다. AI 솔루션은 IP 주소가 의심스러운 소스에서 나온 것인지 확인해야
합니다. 어느 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. 음성 인식 시스템을 구축하세요.
B. NLP(자연어 처리) 명명된 엔터티 인식 시스템을 만듭니다.
C. 이상 탐지 시스템을 개발합니다.
D. 사기 예측 시스템을 구축합니다.

정답: C

==================================================

=== 문제 21 ===
문제: Amazon OpenSearch Service의 어떤 기능이 회사에 다음을 구축할 수 있는 능력을 제공합니까? 벡터 데이터베이스 애플리케이션?
Amazon OpenSearch Service의 어떤 기능이 제공합니까? 벡터 데이터베이스 애플리케이션을 구축할 수 있는 능력이 있습니까?

답변 목록:
A. 객체 스토리지를 위해 Amazon S3와 통합
B. 지리공간 색인 및 쿼리 지원
C. 확장 가능한 인덱스 관리 및 최근접 검색 기능
D. 스트리밍 데이터에 대한 실시간 분석 수행 능력

정답: C

==================================================

=== 문제 22 ===
문제: 생성 AI 모델의 사용 사례는 무엇입니까? 어떤 옵션이 사용 사례인가요? 생성 AI 모델의 경우?

답변 목록:
A. 침입 탐지 시스템을 사용하여 네트워크 보안 향상
B. 디지털 마케팅을 위한 텍스트 설명에서 사실적인 이미지 만들기
C. 최적화된 인덱싱을 사용하여 데이터베이스 성능 향상
D. 금융 데이터를 분석하여 주식 시장 동향 예측

정답: B

==================================================

=== 문제 23 ===
문제: 한 회사에서 Amazon Bedrock을 사용하여 생성적 AI 애플리케이션을 구축하려고 합니다. FM(Foundation Model)을 선택해야
합니다. 회사는 얼마인지 알고 싶어한다 정보는 하나의 프롬프트에 들어갈 수 있습니다. 어떤 고려 사항이 회사의 결정은?

답변 목록:
A. 온도
B. 컨텍스트 창
C. 배치 크기
D. 모델 크기

정답: B

==================================================

=== 문제 24 ===
문제: 한 회사에서 고객을 돕기 위해 챗봇을 만들고 싶어합니다. 챗봇이 해결해 드립니다 사람의 개입 없이 기술적인 문제를 해결합니다. 회사가 재단을
선택했어요 챗봇 모델(FM)입니다. 챗봇은 준수하는 응답을 생성해야 합니다. 회사 톤에 맞게. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. FM이 생성할 수 있는 토큰 수에 대한 하한을 설정합니다.
B. 일괄 추론을 사용하여 자세한 응답을 처리합니다.
C. FM이 원하는 응답을 얻을 때까지 프롬프트를 실험하고 개선합니다.
D. 온도 매개변수에 대해 더 높은 숫자를 정의하십시오.

정답: C

==================================================

=== 문제 25 ===
문제: 한 회사는 Amazon Bedrock에서 LLM(대형 언어 모델)을 사용하려고 합니다. 감정 분석. 회사는 텍스트 구절의 감정을 분류하고
싶어합니다. 긍정적이든 부정적이든. 이러한 요구 사항을 충족하는 프롬프트 엔지니어링 전략은 무엇입니까? 요구 사항?

답변 목록:
A. 해당 긍정 또는 부정이 포함된 텍스트 구절의 예를 제공하세요.
프롬프트의 레이블 뒤에 분류할 새 텍스트 구절이 옵니다.
B. 감정 분석과 LLM이 어떻게 작동하는지에 대한 자세한 설명을 제공합니다.
즉각적인.
C. 추가적인 문맥 없이 분류할 새로운 텍스트 문구 제공
또는 예.
D. 다음과 같이 관련 없는 작업의 몇 가지 예를 포함하는 새로운 텍스트 구절을 제공하세요.
텍스트 요약 또는 질문 답변.

정답: A

==================================================

=== 문제 26 ===
문제: 보안 회사는 Amazon Bedrock을 사용하여 FM(기본 모델)을 실행하고 있습니다. 는 회사는 승인된 사용자만 모델을 호출하도록 하고
싶어합니다. 는 회사는 적절한 설정을 위해 무단 액세스 시도를 식별해야 합니다. 향후를 위한 AWS Identity and Access
Management(IAM) 정책 및 역할 FM의 반복. 회사는 식별을 위해 어떤 AWS 서비스를 사용해야 합니까? Amazon Bedrock에
액세스하려는 승인되지 않은 사용자가 있습니까?

답변 목록:
A. AWS 감사 관리자
B. AWS 클라우드트레일
C. 아마존 사기 탐지기
D. AWS 신뢰 고문

정답: B

==================================================

=== 문제 27 ===
문제: 한 회사에서 이미지 분류를 위한 ML 모델을 개발했습니다. 회사가 원하는 웹 애플리케이션이 모델을 사용할 수 있도록 모델을 프로덕션에
배포합니다. 회사는 모델을 호스팅하고 서비스를 제공하기 위한 솔루션을 구현해야 합니다. 기본 인프라를 관리하지 않고 예측합니다. 어느 솔루션이
이러한 요구 사항을 충족합니까?

답변 목록:
A. Amazon SageMaker 서버리스 추론을 사용하여 모델을 배포합니다.
B. Amazon CloudFront를 사용하여 모델을 배포합니다.
C. Amazon API Gateway를 사용하여 모델을 호스팅하고 예측을 제공합니다.
D. AWS Batch를 사용하여 모델을 호스팅하고 예측을 제공합니다.

정답: A

==================================================

=== 문제 28 ===
문제: AI 회사는 다음의 도움을 받아 시스템과 프로세스를 주기적으로 평가합니다. ISV(독립 소프트웨어 공급업체). 회사는 이메일 메시지를 받아야
합니다 ISV의 규정 준수 보고서를 사용할 수 있게 되면 알림을 받습니다. 어느 AWS 회사가 이 요구 사항을 충족하기 위해 서비스를 사용할 수
있습니까?

답변 목록:
A. AWS 감사 관리자
B. AWS 아티팩트
C. AWS 신뢰 고문
D. AWS 데이터 교환

정답: B

==================================================

=== 문제 29 ===
문제: 회사에서는 LLM(대형 언어 모델)을 사용하여 대화형 언어 모델을 개발하려고 합니다. 대리인. 회사는 LLM이 공용으로 조작되는 것을 방지해야
합니다. 바람직하지 않은 작업을 수행하거나 민감한 정보를 노출시키는 신속한 엔지니어링 기술 정보. 어떤 조치를 취하면 이러한 위험을 줄일 수
있습니까?

답변 목록:
A. 공격 패턴을 탐지하도록 LLM을 가르치는 프롬프트 템플릿을 만듭니다.
B. LLM에 대한 호출 요청 시 온도 매개변수를 늘립니다.
C. Amazon SageMaker에 나열되지 않은 LLM을 사용하지 마십시오.
D. LLM 호출 시 입력 토큰 수를 줄입니다.

정답: A

==================================================

=== 문제 30 ===
문제: 한 회사는 Generative AI 보안 범위 매트릭스를 사용하여 보안을 평가하고 있습니다. 솔루션에 대한 책임을 집니다. 회사는 네 가지 다른
것을 확인했습니다. 매트릭스를 기반으로 한 솔루션 범위. 회사에 어떤 솔루션 범위를 제공합니까? 보안 책임에 대한 대부분의 소유권이 있습니까?

답변 목록:
A. 생성 AI가 내장된 타사 엔터프라이즈 애플리케이션 사용
특징.
B. 기존 타사 생성 AI를 사용하여 애플리케이션 구축
기초 모델(FM).
C. 기존 타사 생성 AI 기반 모델(FM)을 미세 조정하여 개선합니다.
비즈니스 관련 데이터를 사용하여 모델을 조정합니다.
D. 특정 기술을 사용하여 처음부터 생성적 AI 모델 구축 및 교육
고객이 소유한 데이터.

정답: D

==================================================

=== 문제 31 ===
문제: AI 실무자는 동물 사진 데이터베이스를 보유하고 있습니다. AI 실무자가 원하는 것 매뉴얼 없이 사진 속 동물을 자동으로 식별하고 분류합니다.
인간의 노력. 이러한 요구 사항을 충족하는 전략은 무엇입니까?

답변 목록:
A. 객체 감지
B. 이상 탐지
C. 명명된 엔터티 인식
D. 인페인팅

정답: A

==================================================

=== 문제 32 ===
문제: 한 회사에서 Amazon Bedrock을 사용하여 애플리케이션을 생성하려고 합니다. 회사 예산이 제한되어 있고 장기적인 약속 없이 유연성을
선호합니다. 어느 Amazon Bedrock 가격 모델이 이러한 요구 사항을 충족합니까?

답변 목록:
A. 온디맨드
B. 모델 맞춤화
C. 프로비저닝된 처리량
D. 스팟 인스턴스

정답: A

==================================================

=== 문제 33 ===
문제: AI 개발 팀이 신속하게 배포하고 배포하는 데 도움이 될 수 있는 AWS 서비스 또는 기능은 무엇입니까? 팀의 VPC 내에서 FM(기본 모델)을
사용하시겠습니까? 어떤 AWS 서비스 또는 기능은 AI 개발팀이 기반을 신속하게 배포하고 사용하는 데 도움이 될 수 있습니다. 팀의 VPC 내
모델(FM)이 있습니까?

답변 목록:
A. 아마존 개인화
B. Amazon SageMaker JumpStart
C. Amazon Bedrock 놀이터인 PartyRock
D. Amazon SageMaker 엔드포인트

정답: B

==================================================

=== 문제 34 ===
문제: 기업은 어떻게 Amazon Bedrock에서 대규모 언어 모델(LLM)을 안전하게 사용할 수 있습니까? 기업은 어떻게 Amazon
Bedrock에서 대규모 언어 모델(LLM)을 안전하게 사용할 수 있습니까?

답변 목록:
A. 명확하고 구체적인 프롬프트를 디자인하세요. AWS 자격 증명 및 액세스 구성
최소 권한 액세스를 사용하는 관리(IAM) 역할 및 정책.
B. 자동 모델 평가 작업을 위해 AWS Audit Manager를 활성화합니다.
C. Amazon Bedrock 자동 모델 평가 작업을 활성화합니다.
D. Amazon CloudWatch Logs를 사용하여 모델을 설명 가능하게 만들고 모니터링
편견.

정답: A

==================================================

=== 문제 35 ===
문제: 회사는 회사가 다음 용도로 사용할 수 있는 데이터베이스에 테라바이트급의 데이터를 보유하고 있습니다. 비즈니스 분석. 회사는 AI 기반
애플리케이션을 구축하고 싶어합니다. 직원이 제공하는 입력 텍스트에서 SQL 쿼리를 작성합니다. 직원들은 기술에 대한 최소한의 경험. 이러한 요구
사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. GPT(생성 사전 훈련된 변환기)
B. 잔여 신경망
C. 지원 벡터 머신
D. 웨이브넷

정답: A

==================================================

=== 문제 36 ===
문제: 한 회사는 객체 감지를 위한 딥 러닝 모델을 구축하고 이를 배포했습니다. 모델부터 생산까지. 모델이 새로운 이미지를 분석할 때 어떤 AI
프로세스가 발생합니까? 물체를 식별하려면?

답변 목록:
A. 훈련
B. 추론
C. 모델 배포
D. 바이어스 보정

정답: B

==================================================

=== 문제 37 ===
문제: AI 실무자가 다양한 방식으로 인간의 이미지를 생성하는 모델을 구축하고 있습니다. 직업. AI 실무자는 입력 데이터가 편향되어 있음을 발견했으며
특정 속성이 이미지 생성에 영향을 미치고 모델. 어떤 기술이 문제를 해결할 것인가?

답변 목록:
A. 불균형 클래스에 대한 데이터 증대
B. 클래스 분포를 위한 모델 모니터링
C. 검색 증강 생성(RAG)
D. 이미지의 워터마크 감지

정답: A

==================================================

=== 문제 38 ===
문제: 한 회사가 Amazon을 사용하여 Amazon Titan 기반 모델(FM)을 구현하고 있습니다. 기반암. 회사는 관련 데이터를 활용하여 모델을
보완해야 합니다. 회사의 개인 데이터 소스. 이 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. 다른 FM을 사용하세요.
B. 더 낮은 온도 값을 선택하십시오.
C. Amazon Bedrock 지식 기반을 생성합니다.
D. 모델 호출 로깅을 활성화합니다.

정답: C

==================================================

=== 문제 39 ===
문제: 의료 회사는 진단을 위한 기반 모델(FM)을 사용자 정의하고 있습니다. 목적. 회사는 투명하고 설명 가능한 모델이 필요합니다. 규제 요구 사항.
어떤 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. Amazon Inspector를 사용하여 보안 및 규정 준수를 구성합니다.
B. Amazon SageMaker를 사용하여 간단한 지표, 보고서 및 예제 생성
밝히다.
C. Amazon Macie를 사용하여 훈련 데이터를 암호화하고 보호합니다.
D. 더 많은 데이터를 수집하세요. Amazon Rekognition을 사용하여 데이터에 사용자 지정 레이블을 추가합니다.

정답: B

==================================================

=== 문제 40 ===
문제: 한 회사에서 고객 질문에 답변하기 위해 대화형 챗봇을 배포하려고 합니다. 챗봇은 미세 조정된 Amazon SageMaker JumpStart
모델을 기반으로 합니다. 는 애플리케이션은 여러 규제 프레임워크를 준수해야 합니다. 어떤 기능 회사는 다음에 대한 준수를 보여줄 수 있습니까?
(2개 선택) BC BC

답변 목록:
A. Auto Scaling 추론 엔드포인트
B. 위협 감지
C. 데이터 보호
D. 비용 최적화
E. 느슨하게 결합된 마이크로서비스

정답: BC

==================================================

=== 문제 41 ===
문제: 회사에서 FM(기본 모델)을 교육하고 있습니다. 회사는 금액을 늘리고 싶어합니다. 특정 수용 수준까지 모델의 정확도. 어떤 솔루션이 이러한 요구
사항을 충족합니까?

답변 목록:
A. 배치 크기를 줄이세요.
B. 시대를 늘립니다.
C. 시대를 줄입니다.
D. 온도 매개변수를 높이십시오.

정답: B

==================================================

=== 문제 42 ===
문제: 한 회사에서 LLM(대형 언어 모델) 질문 응답 챗봇을 구축하고 있습니다. 회사는 콜센터 직원에게 필요한 작업 수를 줄이고 싶어합니다. 고객
질문에 응답하기 위해 취하는 것입니다. 어떤 비즈니스 목표를 세워야 할까요? 회사에서 LLM 챗봇의 효과를 평가하는 데 사용합니까?

답변 목록:
A. 웹사이트 참여율
B. 평균 통화 시간
C. 기업의 사회적 책임
D. 규제 준수

정답: B

==================================================

=== 문제 43 ===
문제: Amazon SageMaker Clarify는 어떤 기능을 제공합니까? 어떤 기능 Amazon SageMaker Clarify는 제공합니까?

답변 목록:
A. RAG(Retrieval Augmented Generation) 워크플로우 통합
B. 프로덕션에서 ML 모델의 품질을 모니터링합니다.
C. ML 모델에 대한 중요한 세부 정보를 문서화합니다.
D. 데이터 준비 중 잠재적인 편향을 식별합니다.

정답: D

==================================================

=== 문제 44 ===
문제: 한 회사에서 특정 품목의 가격을 예측하기 위한 새로운 모델을 개발하고 있습니다. 는 모델은 훈련 데이터세트에서 좋은 성능을 보였습니다. 회사가
배포했을 때 모델부터 양산까지, 모델의 성능이 크게 저하되었습니다. 무엇 회사는 이 문제를 완화하기 위해 무엇을 해야 합니까?

답변 목록:
A. 훈련에 사용되는 데이터의 양을 줄입니다.
B. 모델에 하이퍼파라미터를 추가합니다.
C. 훈련에 사용되는 데이터의 양을 늘립니다.
D. 모델 훈련 시간을 늘립니다.

정답: C

==================================================

=== 문제 45 ===
문제: 전자상거래 회사는 고객 감정을 파악하는 솔루션을 구축하려고 합니다. 고객이 작성한 제품 리뷰를 바탕으로 작성되었습니다. 어떤 AWS 서비스가
이를 충족합니까? 요구 사항? (2개 선택) BD BD

답변 목록:
A. 아마존 렉스
B. 아마존 컴프리헨드
C. 아마존 폴리
D. 아마존 기반암
E. 아마존 인식

정답: BD

==================================================

=== 문제 46 ===
문제: 한 회사는 Amazon Bedrock에서 LLM(대형 언어 모델)을 사용하여 다음을 수행하려고 합니다. 회사의 제품 매뉴얼을 위한 채팅
인터페이스를 개발합니다. 매뉴얼은 PDF 파일로 저장됩니다. 이러한 요구 사항을 가장 비용 효율적으로 충족하는 솔루션은 무엇입니까? 효과적으로?

답변 목록:
A. 다음과 같은 경우 프롬프트 엔지니어링을 사용하여 하나의 PDF 파일을 사용자 프롬프트에 컨텍스트로 추가합니다.
프롬프트가 Amazon Bedrock에 제출됩니다.
B. 프롬프트 엔지니어링을 사용하여 모든 PDF 파일을 사용자 프롬프트에 컨텍스트로 추가합니다.
프롬프트가 Amazon Bedrock에 제출될 때.
C. 모든 PDF 문서를 사용하여 Amazon Bedrock으로 모델을 세부 조정하세요. 사용
사용자 프롬프트를 처리하기 위해 미세 조정된 모델입니다.
D. Amazon Bedrock 지식 베이스에 PDF 문서를 업로드합니다. 지식을 활용하라
사용자가 Amazon Bedrock에 프롬프트를 제출할 때 컨텍스트를 제공하기 위한 기본입니다.

정답: D

==================================================

=== 문제 47 ===
문제: 소셜 미디어 회사는 콘텐츠에 LLM(대형 언어 모델)을 사용하려고 합니다. 절제. 회사는 편견과 잠재력에 대한 LLM 결과를 평가하려고 합니다.
특정 집단이나 개인에 대한 차별. 어떤 데이터 소스를 사용해야 할까요? 회사는 최소한의 관리로 LLM 결과를 평가하는 데 사용합니다. 노력?

답변 목록:
A. 사용자 제작 콘텐츠
B. 검토 로그
C. 콘텐츠 조정 지침
D. 벤치마크 데이터 세트

정답: D

==================================================

=== 문제 48 ===
문제: 한 회사는 사전 훈련된 생성 AI 모델을 사용하여 다음을 위한 콘텐츠를 생성하려고 합니다. 마케팅 캠페인. 회사는 생성된 콘텐츠가 회사의 브랜드
음성 및 메시징 요구 사항에 부합합니다. 어떤 솔루션 이러한 요구 사항을 충족합니까?

답변 목록:
A. 모델의 아키텍처와 하이퍼파라미터를 최적화하여 모델의 성능을 향상합니다.
전반적인 성능.
B. 모델의 레이어를 더 많이 추가하여 모델의 복잡성을 높입니다.
건축학.
C. 안내할 명확한 지침과 맥락을 제공하는 효과적인 프롬프트를 만듭니다.
모델 세대.
D. 새로운 생성 모델을 사전 학습하려면 크고 다양한 데이터 세트를 선택하세요.

정답: C

==================================================

=== 문제 49 ===
문제: 한 대출 회사는 새로운 서비스를 제공하기 위해 생성적 AI 기반 솔루션을 구축하고 있습니다. 특정 비즈니스 기준에 따라 지원자 할인. 회사가
원해서 부정적인 영향을 미칠 수 있는 편견을 최소화하기 위해 책임감 있게 AI 모델을 구축하고 사용합니다. 일부 고객에게 영향을 미칩니다. 이를
충족하기 위해 회사는 어떤 조치를 취해야 합니까? 요구 사항? (2개 선택) AC AC

답변 목록:
A. 데이터의 불균형이나 차이를 감지합니다.
B. 모델이 자주 실행되는지 확인하세요.
C. 회사가 투명성을 제공할 수 있도록 모델의 행동을 평가합니다.
이해관계자.
D. ROUGE(Gisting Evaluation) 기술을 위한 회상 중심 언더스터디 사용
모델이 100% 정확하다는 것을 보장합니다.
E. 모델의 추론 시간이 허용되는 한도 내에 있는지 확인하세요.

정답: AC

==================================================

=== 문제 50 ===
문제: 한 회사는 Amazon Bedrock 기본 모델을 사용하여 문서를 요약하고 있습니다. 내부 사용 사례. 회사는 사용자 정의 모델을 훈련하여 요약
품질. 관습을 사용하기 위해 회사는 어떤 조치를 취해야 합니까? Amazon Bedrock을 통해 모델을 개발하시겠습니까?

답변 목록:
A. 사용자 지정 모델에 대한 프로비저닝된 처리량을 구매합니다.
B. 실시간으로 Amazon SageMaker 엔드포인트에 사용자 지정 모델 배포
추론.
C. Amazon SageMaker 모델 레지스트리에 모델을 등록합니다.
D. Amazon Bedrock의 사용자 지정 모델에 대한 액세스 권한을 부여합니다.

정답: A

==================================================

=== 문제 51 ===
문제: 회사는 내부적으로 사용할 모델을 Amazon Bedrock에서 선택해야 합니다. 는 회사는 다음과 같은 스타일로 반응을 생성하는 모델을 식별해야
합니다. 회사 직원들이 더 좋아해요. 이를 충족시키기 위해 회사는 무엇을 해야 합니까? 요구 사항?

답변 목록:
A. 내장된 프롬프트 데이터 세트를 사용하여 모델을 평가합니다.
B. 인력과 맞춤형 프롬프트 데이터 세트를 사용하여 모델을 평가합니다.
C. 공개 모델 리더보드를 사용하여 모델을 식별하세요.
D. 다음과 같은 경우 Amazon CloudWatch에서 모델 InvocationLatency 런타임 지표를 사용하십시오.
모델을 시도하고 있습니다.

정답: B

==================================================

=== 문제 52 ===
문제: 한 대학의 학생이 생성 AI의 콘텐츠를 복사하여 에세이를 작성하고 있습니다. 이 시나리오는 책임 있는 생성 AI의 어떤 과제를 나타냅니까?

답변 목록:
A. 독성
B. 환각
C. 표절
D. 은둔

정답: C

==================================================

=== 문제 53 ===
문제: 회사는 오직 언어 기반의 LLM(대형 언어 모델)을 구축해야 합니다. 회사의 개인 데이터. 회사는 환경에 미치는 영향을 우려하고 있습니다. 훈련
과정의. 가장 적은 Amazon EC2 인스턴스 유형은 무엇입니까? LLM 교육 시 환경에 미치는 영향은 무엇입니까?

답변 목록:
A. 아마존 EC2 C 시리즈
B. 아마존 EC2 G 시리즈
C. 아마존 EC2 P 시리즈
D. Amazon EC2 Trn 시리즈

정답: D

==================================================

=== 문제 54 ===
문제: 한 회사에서 어린이를 위한 대화형 애플리케이션을 구축하려고 합니다. 고전 이야기를 바탕으로 한 새로운 이야기. 회사는 Amazon
Bedrock을 사용하고 싶어합니다. 결과와 주제가 어린이에게 적합한지 확인해야 합니다. 이러한 요구 사항을 충족하는 AWS 서비스 또는 기능은
무엇입니까?

답변 목록:
A. 아마존 인식
B. 아마존 베드락 놀이터
C. Amazon Bedrock용 가드레일
D. Amazon Bedrock용 에이전트

정답: C

==================================================

=== 문제 55 ===
문제: 한 회사에서 합성 데이터를 생성하는 데 필요한 애플리케이션을 구축하고 있습니다. 기존 데이터를 기반으로 합니다. 이를 충족하기 위해 회사는 어떤
유형의 모델을 사용할 수 있습니까? 요구 사항?

답변 목록:
A. 생성적 적대 신경망(GAN)
B. XGBoost
C. 잔여 신경망
D. 웨이브넷

정답: A

==================================================

=== 문제 56 ===
문제: 한 디지털 장치 회사에서 메모리 하드웨어에 대한 고객 수요를 예측하려고 합니다. 해당 회사는 코딩 경험이나 ML 알고리즘에 대한 지식이 없으며,
데이터 기반 예측 모델을 개발해야 합니다. 회사는 성과를 내야 한다 내부 데이터와 외부 데이터를 분석합니다. 어떤 솔루션이 이러한 요구 사항을
충족합니까? 요구 사항?

답변 목록:
A. Amazon S3에 데이터를 저장합니다. ML 모델 및 수요 예측 예측 생성
Amazon S3의 데이터를 사용하는 Amazon SageMaker 내장 알고리즘을 사용합니다.
B. Amazon SageMaker Data Wrangler로 데이터를 가져옵니다. ML 모델 생성 및
SageMaker 내장 알고리즘을 사용하여 수요 예측을 예측합니다.
C. Amazon SageMaker Data Wrangler로 데이터를 가져옵니다. ML 모델 구축 및
Amazon Personalize Trending-Now 레시피를 사용하여 수요 예측을 수행합니다.
D. Amazon SageMaker Canvas로 데이터를 가져옵니다. ML 모델 구축 및 수요
SageMaker Canvas의 데이터 값을 선택하여 예측을 예측합니다.

정답: D

==================================================

=== 문제 57 ===
문제: 한 회사에서 보안 카메라를 설치했습니다. 회사는 ML 모델을 사용하여 다음을 수행합니다. 도난 가능성이 있는지 보안 카메라 영상을 평가합니다.
회사는 모델이 특정 조직의 구성원인 사람들을 불균형하게 표시한다는 사실을 발견했습니다. 특정 인종 집단. 어떤 유형의 편향이 모델 출력에 영향을
미치나요?

답변 목록:
A. 측정 편향
B. 샘플링 편향
C. 관찰자 편향
D. 확증편향

정답: B

==================================================

=== 문제 58 ===
문제: 한 회사에서 고객 서비스 챗봇을 구축하고 있습니다. 회사는 챗봇을 원한다 과거 상호 작용과 온라인을 통해 학습하여 응답을 개선합니다. 자원.
어떤 AI 학습 전략이 이러한 자기 개선 기능을 제공합니까?

답변 목록:
A. 좋은 반응과 나쁜 반응으로 구성된 수동으로 선별된 데이터 세트를 사용한 지도 학습
응답
B. 긍정적인 고객 피드백에 대한 보상을 통한 강화 학습
C. 유사한 고객 문의 클러스터를 찾기 위한 비지도 학습
D. 지속적으로 업데이트되는 FAQ 데이터베이스를 통한 지도 학습

정답: B

==================================================

=== 문제 59 ===
문제: AI 실무자는 유형을 분류하기 위해 딥러닝 모델을 구축했습니다. 이미지의 자료. AI 실무자는 이제 모델을 측정하려고 합니다. 성능. AI
실무자가 성능을 평가하는 데 도움이 되는 측정항목은 무엇인가요? 모델의?

답변 목록:
A. 혼란 매트릭스
B. 상관 행렬
C. R2 점수
D. 평균 제곱 오차(MSE)

정답: A

==================================================

=== 문제 60 ===
문제: 한 회사가 자연어 질문에 응답할 수 있는 챗봇을 구축했습니다. 이미지와 함께. 회사는 챗봇이 돌아오지 않도록 하고 싶습니다. 부적절하거나 원치
않는 이미지. 어떤 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. 중재 API를 구현합니다.
B. 일반 공개 데이터 세트를 사용하여 모델을 재교육합니다.
C. 모델 검증을 수행합니다.
D. 사용자 피드백 통합을 자동화합니다.

정답: A

==================================================

=== 문제 61 ===
문제: AI 실무자가 Amazon Bedrock 기본 모델을 사용하여 세션을 요약하고 있습니다. 고객 서비스 부서의 채팅입니다. AI 실무자가 저장하고
싶어하는 것 모델 입력 및 출력 데이터를 모니터링하기 위한 호출 로그입니다. 어떤 전략을 세워야 할까? AI 실무자가 사용하는가?

답변 목록:
A. AWS CloudTrail을 모델의 로그 대상으로 구성합니다.
B. Amazon Bedrock에서 호출 로깅을 활성화합니다.
C. AWS Audit Manager를 모델의 로그 대상으로 구성합니다.
D. Amazon EventBridge에서 모델 호출 로깅을 구성합니다.

정답: B

==================================================

=== 문제 62 ===
문제: 한 회사에서 보관된 데이터를 분석하기 위해 ML 모델을 구축하고 있습니다. 회사는 반드시 크기가 여러 GB에 달하는 대규모 데이터 세트에 대해
추론을 수행합니다. 회사 모델 예측에 즉시 액세스할 필요가 없습니다. 어느 아마존 SageMaker 추론 옵션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. 일괄 변환
B. 실시간 추론
C. 서버리스 추론
D. 비동기 추론

정답: A

==================================================

=== 문제 63 ===
문제: 실제 물체의 수치 표현을 설명하는 용어는 무엇입니까? AI 및 자연어 처리(NLP) 모델이 개선을 위해 사용하는 개념 텍스트 정보에 대한 이해?
숫자를 설명하는 용어는 무엇입니까? AI와 자연어가 구현하는 실제 사물과 개념의 표현 텍스트 정보에 대한 이해를 향상시키기 위해 처리(NLP)
모델을 사용합니까?

답변 목록:
A. 임베딩
B. 토큰
C. 모델
D. 바이너리

정답: A

==================================================

=== 문제 64 ===
문제: 한 연구회사는 FM(Foundation Model)을 활용하여 챗봇을 구현했습니다. 아마존 베드락. 챗봇은 대규모 질문에 대한 답변을
검색합니다. 연구 논문 데이터베이스. 여러 번의 프롬프트 엔지니어링 시도 끝에 회사는 복잡한 문제로 인해 FM의 성능이 좋지 않다는 것을 알게
되었습니다. 연구 논문에 나오는 과학 용어. 회사는 어떻게 개선할 수 있는가? 챗봇의 성능은?

답변 목록:
A. FM이 질문에 답변할 수 있는 방법을 정의하려면 몇 번의 메시지를 사용하세요.
B. 도메인 적응 미세 조정을 사용하여 FM을 복잡한 과학에 적용
자귀.
C. FM 추론 매개변수를 변경합니다.
D. 연구 논문 데이터를 정리하여 복잡한 과학 용어를 제거합니다.

정답: B

==================================================

=== 문제 65 ===
문제: 한 회사는 Amazon Bedrock에서 LLM(대형 언어 모델)을 사용하려고 합니다. 감정 분석. 회사는보다 일관된 생산을 위해 LLM이
필요합니다. 동일한 입력 프롬프트에 대한 응답. 추론 매개변수에 대한 조정 회사는 이러한 요구 사항을 충족해야 합니까?

답변 목록:
A. 온도 값을 줄입니다.
B. 온도 값을 높이십시오.
C. 출력 토큰의 길이를 줄입니다.
D. 최대 생성 길이를 늘립니다.

정답: A

==================================================

=== 문제 66 ===
문제: 회사에서는 다음을 사용하여 LLM(대형 언어 모델) 애플리케이션을 개발하려고 합니다. Amazon S3에 업로드되는 Amazon Bedrock
및 고객 데이터. 회사의 보안 정책에 따르면 각 팀은 자신의 데이터에만 액세스할 수 있습니다. 고객. 어떤 솔루션이 이러한 요구 사항을
충족합니까?

답변 목록:
A. 액세스 권한이 있는 각 팀에 대해 Amazon Bedrock 사용자 지정 서비스 역할을 생성합니다.
팀의 고객 데이터만.
B. Amazon S3 액세스 권한이 있는 사용자 지정 서비스 역할을 생성합니다. 팀에 지정하도록 요청
각 Amazon Bedrock 요청의 고객 이름.
C. Amazon S3에서 개인 데이터를 수정합니다. 팀이 허용하도록 S3 버킷 정책을 업데이트하세요.
고객 데이터에 대한 액세스.
D. 전체 Amazon S3 액세스 권한이 있는 Amazon Bedrock 역할을 하나 생성합니다. IAM 생성
각 팀의 고객 폴더에만 액세스할 수 있는 각 팀의 역할입니다.

정답: A

==================================================

=== 문제 67 ===
문제: 한 의료 회사가 Amazon Bedrock에 질병 탐지 모델을 배포했습니다. 받는 사람 회사는 개인정보 보호정책을 준수하여 해당 모델이 응답에
개인 환자 정보를 포함합니다. 회사에서도 원한다 정책 위반이 발생하면 알림을 받습니다. 어떤 솔루션이 이를 충족합니까? 요구 사항?

답변 목록:
A. Amazon Macie를 사용하여 모델 출력에서 ​​민감한 데이터를 스캔하고 설정합니다.
잠재적인 위반에 대한 경고.
B. 모델의 응답을 모니터링하고 알림을 생성하도록 AWS CloudTrail을 구성합니다.
감지된 개인정보에 대해
C. Amazon Bedrock용 Guardrails를 사용하여 콘텐츠를 필터링합니다. Amazon CloudWatch 설정
정책 위반 알림에 대한 경보.
D. 데이터 드리프트를 감지하고 수신하기 위해 Amazon SageMaker 모델 모니터를 구현합니다.
모델 품질이 저하되면 경고합니다.

정답: C

==================================================

=== 문제 68 ===
문제: 회사에서는 PDF 형식으로 제출된 모든 이력서를 수동으로 검토합니다. 회사로는 성장함에 따라 회사는 이력서의 양이 회사의 검토를 초과할 것으로
예상합니다. 용량. 회사에는 PDF 이력서를 이력서로 변환하는 자동화된 시스템이 필요합니다. 추가 처리를 위한 일반 텍스트 형식입니다. 이를
충족하는 AWS 서비스 요구 사항?

답변 목록:
A. 아마존 텍스트랙트
B. 아마존 개인화
C. 아마존 렉스
D. 아마존 트랜스크라이브

정답: A

==================================================

=== 문제 69 ===
문제: 한 교육 제공자가 복잡한 개념을 설명하기 위한 생성적 AI 모델. 교육 제공자가 원하는 요청하는 사람에 따라 모델 응답 스타일을 자동으로
변경합니다. 질문. 교육 제공자는 모델에 연령 범위를 제공합니다. 질문을 올린 사용자입니다. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?
최소한의 구현 노력?

답변 목록:
A. 대표적인 추가 학습 데이터를 사용하여 모델을 미세 조정합니다.
애플리케이션이 지원하는 다양한 연령대.
B. 모델에 지시하는 프롬프트 컨텍스트에 역할 설명을 추가합니다.
응답이 타겟팅해야 하는 연령대입니다.
C. 사고의 연쇄 추론을 사용하여 올바른 스타일과 복잡성을 추론합니다.
해당 사용자에게 적합한 응답입니다.
D. 사용자의 연령에 따라 응답 텍스트를 요약하여 더 젊게 만듭니다.
사용자는 더 짧은 응답을 받습니다.

정답: B

==================================================

=== 문제 70 ===
문제: 다음에서 사용되는 기초 모델(FM)의 정확성을 평가하는 전략은 무엇입니까? 이미지 분류 작업? 어떤 전략이 이미지 분류 작업에 사용되는
FM(기초 모델)은 무엇입니까?

답변 목록:
A. 모델에서 사용하는 리소스의 총 비용을 계산합니다.
B. 사전 정의된 벤치마크 데이터 세트를 기준으로 모델의 정확도를 측정합니다.
C. 신경망의 레이어 수를 셉니다.
D. 모델이 처리한 이미지의 색상 정확도를 평가합니다.

정답: B

==================================================

=== 문제 71 ===
문제: 회계 회사는 대규모 언어 모델(LLM)을 구현하여 자동화를 원합니다. 문서 처리. 회사는 잠재적인 피해를 방지하기 위해 책임감 있게 진행해야
합니다. LLM을 개발하고 배포할 때 회사는 무엇을 해야 합니까? (2개 선택) AC 교류

답변 목록:
A. 모델 평가를 위한 공정성 측정항목을 포함합니다.
B. 모델의 온도 매개변수를 조정합니다.
C. 편향을 완화하기 위해 훈련 데이터를 수정합니다.
D. 훈련 데이터에 대한 과적합을 피하세요.
E. 신속한 엔지니어링 기술을 적용합니다.

정답: AC

==================================================

=== 문제 72 ===
문제: 회사에서 ML 모델을 구축하고 있습니다. 회사는 새로운 데이터를 수집하고 분석했습니다. 상관행렬을 생성하고, 통계를 계산하여 데이터를 분석하고,
데이터를 시각화합니다. 현재 회사는 ML 파이프라인의 어느 단계에 있나요? 에?

답변 목록:
A. 데이터 전처리
B. 기능 엔지니어링
C. 탐색적 데이터 분석
D. 초매개변수 조정

정답: C

==================================================

=== 문제 73 ===
문제: 회사에 데이터베이스 오류로 인해 일부 단어가 누락된 문서가 있습니다. 회사는 채워야 할 잠재적 단어를 제안할 수 있는 ML 모델을 구축하려고
합니다. 누락된 텍스트에서 이 요구 사항을 충족하는 모델 유형은 무엇입니까?

답변 목록:
A. 주제 모델링
B. 클러스터링 모델
C. 규범적 ML 모델
D. BERT 기반 모델

정답: D

==================================================

=== 문제 74 ===
문제: 한 회사는 전체에서 가장 잘 팔리는 제품의 총 판매량을 표시하려고 합니다. 지난 12개월 동안의 다양한 소매점. 어떤 AWS 솔루션을 사용해야
할까요? 회사에서는 그래프 생성을 자동화하는 데 사용합니까?

답변 목록:
A. Amazon EC2의 Amazon Q
B. 아마존 Q 개발자
C. Amazon QuickSight의 Amazon Q
D. AWS 챗봇의 Amazon Q

정답: C

==================================================

=== 문제 75 ===
문제: 한 회사에서 사용자 경험을 개선하기 위해 챗봇을 구축하고 있습니다. 회사에서 사용하고 있는 의도 탐지를 위한 Amazon Bedrock의
LLM(대형 언어 모델) 는 회사는 의도 감지 정확도를 높이기 위해 퓨샷 학습을 사용하려고 합니다. 이러한 요구 사항을 충족하려면 회사에 어떤
추가 데이터가 필요합니까?

답변 목록:
A. 챗봇 응답 쌍과 올바른 사용자 의도
B. 사용자 메시지 쌍과 올바른 챗봇 응답
C. 사용자 메시지 쌍과 올바른 사용자 의도
D. 사용자 의도와 올바른 챗봇 응답 쌍

정답: C

==================================================

=== 문제 76 ===
문제: 한 회사가 Amazon에서 호스팅되는 기본 모델에 대해 몇 번의 메시지를 사용하고 있습니다. 기반암. 모델은 현재 프롬프트에서 10개의 예를
사용합니다. 모델은 다음과 같습니다 하루에 한 번씩 호출되며 잘 수행되고 있습니다. 회사에서는 인하를 원한다. 월별 비용. 어떤 솔루션이 이러한
요구 사항을 충족합니까?

답변 목록:
A. 미세 조정을 사용하여 모델을 사용자 정의합니다.
B. 프롬프트에서 토큰 수를 줄이세요.
C. 프롬프트의 토큰 수를 늘립니다.
D. 프로비저닝된 처리량을 사용합니다.

정답: B

==================================================

=== 문제 77 ===
문제: AI 실무자는 LLM(대형 언어 모델)을 사용하여 다음과 같은 콘텐츠를 제작하고 있습니다. 마케팅 캠페인. 생성된 콘텐츠는 그럴듯하고 사실적으로
들리지만 부정확합니다. LLM에는 어떤 문제가 있습니까?

답변 목록:
A. 데이터 유출
B. 환각
C. 과적합
D. 과소적합

정답: B

==================================================

=== 문제 78 ===
문제: AI 실무자가 교육을 사용하여 Amazon Bedrock에서 사용자 지정 모델을 교육했습니다. 기밀 데이터가 포함된 데이터 세트입니다. AI
실무자는 다음을 보장하고 싶어합니다. 사용자 정의 모델은 다음을 기반으로 추론 응답을 생성하지 않습니다. 기밀 데이터. AI 실무자는 다음
사항에 기반한 대응을 어떻게 방지해야 합니까? 기밀 데이터?

답변 목록:
A. 커스텀 모델을 삭제합니다. 교육에서 기밀 데이터를 제거하세요.
dataset. 커스텀 모델을 다시 학습시키세요.
B. 동적 데이터를 사용하여 추론 응답에서 기밀 데이터를 마스킹합니다.
마스킹.
C. Amazon을 사용하여 추론 응답의 기밀 데이터 암호화
세이지메이커.
D. AWS Key Management를 사용하여 사용자 지정 모델의 기밀 데이터 암호화
서비스(AWS KMS).

정답: A

==================================================

=== 문제 79 ===
문제: 한 회사는 생성 AI를 사용하여 솔루션을 구축했습니다. 솔루션은 대규모를 사용합니다. 교육 매뉴얼을 영어에서 다른 언어로 번역하는 언어
모델(LLM) 언어. 회사는 다음을 통해 솔루션의 정확성을 평가하려고 합니다. 매뉴얼을 위해 생성된 텍스트를 검토합니다. 어떤 모델 평가 전략
이러한 요구 사항을 충족합니까?

답변 목록:
A. 이중 언어 평가 연구(BLEU)
B. RMSE(제곱평균제곱오차)
C. 요점 평가를 위한 회상 중심 연구(ROUGE)
D. F1 점수

정답: A

==================================================

=== 문제 80 ===
문제: 대형 소매업체는 제품에 대한 수천 건의 고객 지원 문의를 받습니다. 매일. 고객지원 문의사항을 처리하고 응답해야 합니다. 빨리. 회사는
Amazon Bedrock용 에이전트를 구현하려고 합니다. 무엇입니까? 이 소매업체에 도움이 될 수 있는 Amazon Bedrock 에이전트
사용의 주요 이점은 무엇입니까?

답변 목록:
A. 고객 요구 사항을 예측하기 위한 맞춤형 기반 모델(FM) 생성
B. 반복 작업 자동화 및 복잡한 워크플로 조정
C. 여러 기초 모델(FM)을 자동으로 호출하고 통합합니다.
결과
D. 사전 정의된 기준 및 지표를 기반으로 기초 모델(FM) 선택

정답: B

==================================================

=== 문제 81 ===
문제: 기초를 미세 조정할 때 지속적인 사전 교육을 통해 얻을 수 있는 이점은 무엇인가요? 모델(FM)? 다음 중 어떤 옵션을 미세 조정할 때 지속적인
사전 학습을 통해 얻을 수 있는 이점이 있나요? 파운데이션 모델(FM)?

답변 목록:
A. 모델의 복잡성을 줄이는 데 도움이 됩니다.
B. 시간이 지남에 따라 모델 성능이 향상됩니다.
C. 훈련 시간 요구 사항을 줄입니다.
D. 모델 추론 시간 최적화

정답: B

==================================================

=== 문제 82 ===
문제: 생성 AI 모델의 맥락에서 토큰이란 무엇입니까? 토큰이란 무엇입니까? 생성적 AI 모델의 맥락은 무엇입니까?

답변 목록:
A. 토큰은 생성 AI 모델이 수행하는 입력 및 출력의 기본 단위입니다.
단어, 하위 단어 또는 기타 언어 단위를 나타냅니다.
B. 토큰은 다음에서 사용되는 단어나 개념을 수학적으로 표현한 것입니다.
생성 AI 모델.
C. 토큰은 생성적 AI 모델의 사전 훈련된 가중치입니다.
특정 작업에 맞게 조정되었습니다.
D. 토큰은 생성 AI에 제공되는 특정 프롬프트 또는 지침입니다.
출력을 생성하는 모델입니다.

정답: A

==================================================

=== 문제 83 ===
문제: 회사에서는 대규모 제품 사용과 관련된 비용을 평가하려고 합니다. 추론을 생성하는 언어 모델(LLM). 회사는 Amazon을 사용하고 싶어합니다.
생성적 AI 애플리케이션을 구축하기 위한 기반암입니다. 어떤 요인이 추론 비용?

답변 목록:
A. 소비된 토큰 수
B. 온도 값
C. LLM 교육에 사용되는 데이터의 양
D. 총 훈련 시간

정답: A

==================================================

=== 문제 84 ===
문제: 한 회사는 Amazon SageMaker Studio 노트북을 사용하여 ML을 구축하고 교육하고 있습니다. 모델. 회사는 Amazon S3
버킷에 데이터를 저장합니다. 회사는 다음을 수행해야 합니다. Amazon S3에서 SageMaker Studio 노트북으로의 데이터 흐름을
관리합니다. 어느 솔루션이 이 요구 사항을 충족합니까?

답변 목록:
A. Amazon Inspector를 사용하여 SageMaker Studio를 모니터링합니다.
B. Amazon Macie를 사용하여 SageMaker Studio를 모니터링하십시오.
C. S3 엔드포인트가 있는 VPC를 사용하도록 SageMaker를 구성합니다.
D. S3 Glacier Deep Archive를 사용하도록 SageMaker를 구성합니다.

정답: C

==================================================

=== 문제 85 ===
문제: 회사에는 Amazon을 사용하여 맞춤화된 FM(기반 모델)이 있습니다. 제품에 대한 고객 문의에 답변하는 Bedrock입니다. 회사에서는 확인을
원합니다. 새로운 유형의 쿼리에 대한 모델의 응답. 회사는 새로운 것을 업로드해야 합니다. Amazon Bedrock이 검증에 사용할 수 있는
데이터 세트입니다. 어떤 AWS 서비스가 충족되나요? 이러한 요구 사항은 무엇입니까?

답변 목록:
A. 아마존 S3
B. Amazon 탄력적 블록 스토어(Amazon EBS)
C. Amazon 탄력적 파일 시스템(Amazon EFS)
D. AWS 스노우콘

정답: A

==================================================

=== 문제 86 ===
문제: 어떤 프롬프트 공격이 대규모의 구성된 동작을 직접 노출합니까? 언어 모델(LLM)? 구성된 메시지를 직접 노출하는 프롬프트 공격은 무엇입니까?
LLM(대형 언어 모델)의 동작은 무엇입니까?

답변 목록:
A. 페르소나 전환 메시지 표시
B. 친근감과 신뢰를 활용
C. 프롬프트 템플릿 무시
D. 프롬프트 템플릿 추출

정답: D

==================================================

=== 문제 87 ===
문제: 한 회사에서 Amazon Bedrock을 사용하고 싶어합니다. 회사는 어떤 것을 검토해야 합니다. Amazon Bedrock을 사용할 때 회사가
책임지는 보안 측면입니다. 어느 보안 측면은 회사가 책임지나요?

답변 목록:
A. Amazon Bedrock 버전 패치 및 업데이트
B. Amazon Bedrock을 호스팅하는 인프라 보호
C. 전송 중이거나 저장되어 있는 회사 데이터의 보안
D. 회사 네트워크 내에서 Amazon Bedrock 프로비저닝

정답: C

==================================================

=== 문제 88 ===
문제: 소셜 미디어 회사는 LLM(대형 언어 모델)을 사용하여 요약하려고 합니다. 메시지. 회사는 Amazon에서 사용할 수 있는 몇 가지 LLM을
선택했습니다. SageMaker JumpStart. 회사는 생성된 출력 독성을 비교하려고 합니다. 이 모델들 중. 어떤 전략이 회사에 평가
능력을 제공합니까? 운영 오버헤드가 가장 적은 LLM이요?

답변 목록:
A. 크라우드 소싱 평가
B. 자동 모델 평가
C. 인간 작업자를 사용한 모델 평가
D. 인간 피드백을 통한 강화 학습(RLHF)

정답: B

==================================================

=== 문제 89 ===
문제: 회사에서 FM(기반 모델)의 보안을 테스트하고 있습니다. 테스트하는 동안, 회사는 안전 기능을 우회하고 유해한 콘텐츠를 만들고 싶어합니다.
이것은 어떤 보안 기술의 예입니까?

답변 목록:
A. 취약점을 찾기 위한 훈련 데이터 퍼징
B. 서비스 거부(DoS)
C. 인증을 통한 침투 테스트
D. 탈옥

정답: D

==================================================

=== 문제 90 ===
문제: 회사는 모델 교육 및 추론을 위해 Amazon SageMaker를 사용해야 합니다. 는 회사는 SageMaker 작업을 실행하기 위해 규제 요구
사항을 준수해야 합니다. 인터넷 접속이 불가능한 고립된 환경. 어떤 솔루션이 이러한 요구 사항을 충족합니까? 요구 사항?

답변 목록:
A. SageMaker 실험을 사용하여 SageMaker 교육 및 추론을 실행합니다.
B. 네트워크 격리를 사용하여 SageMaker 교육 및 추론을 실행합니다.
C. SageMaker 지리 공간에 대한 암호화를 사용하여 저장 데이터 암호화
능력.
D. 적절한 AWS Identity and Access Management(IAM) 역할을
SageMaker 작업.

정답: B

==================================================

=== 문제 91 ===
문제: ML 연구팀이 맞춤형 ML 모델을 개발합니다. 모델 아티팩트가 공유됩니다. 제품 및 서비스 통합을 위해 다른 팀과 협력합니다. ML팀은 모델
학습 코드 및 데이터. ML 팀은 다음과 같은 메커니즘을 구축하려고 합니다. ML 팀은 모델을 감사하는 데 사용할 수 있습니다. ML팀은 다음과
같은 경우에 어떤 솔루션을 사용해야 합니까? 사용자 정의 ML 모델을 게시하시겠습니까?

답변 목록:
A. 관련 정보가 담긴 문서를 작성하세요. Amazon에 문서 저장
S3.
B. 투명성과 모델 이해를 위해 AWS AI 서비스 카드를 사용하십시오.
C. 의도된 용도와 교육을 통해 Amazon SageMaker 모델 카드를 생성하고
추론 세부정보.
D. 모델 학습 스크립트를 만듭니다. 모델 훈련 스크립트를 Git에 커밋
저장소.

정답: C

==================================================

=== 문제 92 ===
문제: 소프트웨어 회사는 고객을 위한 도구를 만듭니다. 회사는 AI를 사용하여 다음 작업을 수행하려고 합니다. 소프트웨어 개발 생산성을 높입니다. 어떤
솔루션이 이러한 요구 사항을 충족합니까? 요구 사항?

답변 목록:
A. 이진 분류 모델을 사용하여 코드 검토를 생성합니다.
B. 회사의 개발자 도구에 코드 추천 소프트웨어를 설치합니다.
C. 잠재적인 코드 문제를 예측하려면 코드 예측 도구를 설치하세요.
D. 자연어 처리(NLP) 도구를 사용하여 코드를 생성합니다.

정답: B

==================================================

=== 문제 93 ===
문제: 소매점은 다음번 특정 제품에 대한 수요를 예측하려고 합니다. Amazon SageMaker DeepAR 예측 알고리즘을 사용하여 몇 주. 어떤
유형 의 데이터가 이 요구 사항을 충족합니까?

답변 목록:
A. 텍스트 데이터
B. 이미지 데이터
C. 시계열 데이터
D. 바이너리 데이터

정답: C

==================================================

=== 문제 94 ===
문제: 대규모 소매 은행에서 위험 관리에 도움이 되는 ML 시스템을 개발하려고 합니다. 팀은 다양한 인구통계에 대한 대출 할당을 결정합니다. 은행은
무엇을 해야 하는가? 편견 없는 ML 모델을 개발하려면 어떻게 해야 하나요?

답변 목록:
A. 훈련 데이터 세트의 크기를 줄입니다.
B. ML 모델 예측이 과거 결과와 일치하는지 확인하세요.
C. 각 인구통계 그룹에 대해 서로 다른 ML 모델을 생성합니다.
D. 훈련 데이터세트의 클래스 불균형을 측정합니다. 훈련 과정을 조정하세요
따라서.

정답: D

==================================================

=== 문제 95 ===
문제: 프롬프트 주입 공격으로부터 보호할 수 있는 프롬프트 기술은 무엇입니까? 어느 프롬프트 기술은 프롬프트 주입 공격으로부터 보호할 수 있습니까?

답변 목록:
A. 적대적 촉구
B. 제로샷 프롬프트
C. 최소에서 최대로 유도
D. 일련의 사고 유도

정답: A

==================================================

=== 문제 96 ===
문제: 한 회사는 다음 질문에 답하기 위해 LLM(대형 언어 모델)을 미세 조정했습니다. 헬프 데스크. 회사는 미세 조정을 통해 성능이 향상되었는지
확인하고 싶습니다. 모델의 정확성. 회사는 평가를 위해 어떤 측정 기준을 사용해야 합니까?

답변 목록:
A. 정도
B. 첫 번째 토큰까지의 시간
C. F1 점수
D. 단어 오류율

정답: C

==================================================

=== 문제 97 ===
문제: 한 회사에서 Amazon Bedrock과 함께 RAG(Retrieval Augmented Generation)를 사용하고 있으며 텍스트 설명을
기반으로 제품 이미지를 생성하는 안정적인 확산. 는 결과는 무작위인 경우가 많으며 구체적인 세부정보가 부족합니다. 회사가 원해서 생성된 이미지의
특이성을 높입니다. 어떤 솔루션이 이를 충족합니까? 요구 사항?

답변 목록:
A. 생성 단계 수를 늘리십시오.
B. MASK_IMAGE_BLACK 마스크 소스 옵션을 사용하세요.
C. CFG(분류 없는 지침) 규모를 늘립니다.
D. 신속한 강도를 높이십시오.

정답: C

==================================================

=== 문제 98 ===
문제: 한 회사에서 LLM(대형 언어 모델) 기반 챗봇을 구현하려고 합니다. 고객 서비스 상담원에게 실시간 상황별 응답 제공 고객의 문의. 회사는
회사의 정책을 다음의 목적으로 활용합니다. 지식 기반. 이러한 요구 사항을 가장 비용 효율적으로 충족하는 솔루션은 무엇입니까? 효과적으로?

답변 목록:
A. 회사 정책 데이터에 대해 LLM을 재교육합니다.
B. 회사 정책 데이터에 대한 LLM을 미세 조정합니다.
C. 상황 내 응답을 위해 검색 증강 생성(RAG)을 구현합니다.
D. 회사 정책 데이터에 대한 사전 학습 및 데이터 증대를 사용합니다.

정답: C

==================================================

=== 문제 99 ===
문제: 한 회사에서 AWS Glue를 사용하여 새로운 솔루션을 생성하려고 합니다. 회사는 AWS Glue에 대한 최소한의 프로그래밍 경험. 어떤 AWS
서비스가 도움이 될 수 있습니까? 회사에서 AWS Glue를 사용합니까?

답변 목록:
A. 아마존 Q 개발자
B. AWS 구성
C. 아마존 개인화
D. 아마존 컴프리헨드

정답: A

==================================================

=== 문제 100 ===
문제: 한 회사에서 휴대폰 카메라를 사용하여 진단하는 모바일 ML 앱을 개발하고 있습니다. 그리고 벌레 물린 곳을 치료하세요. 회사는 이미지 분류
모델을 훈련시키고 싶어합니다. 다양한 성별의 벌레 물린 사진 데이터 세트를 사용하여 인종, 전 세계의 지리적 위치. 어느 원리의 이 시나리오에서
회사는 책임 있는 AI를 보여줍니까?

답변 목록:
A. 공평
B. 설명 가능성
C. 통치
D. 투명도

정답: A

==================================================

=== 문제 101 ===
문제: 한 회사에서 대출 승인을 위해 ML 모델을 개발하고 있습니다. 회사는 반드시 모델의 편향을 감지하는 솔루션을 구현합니다. 회사도 그럴 줄
알아야지 모델의 예측을 설명합니다. 어떤 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. Amazon SageMaker 명확화
B. Amazon SageMaker 데이터 랭글러
C. Amazon SageMaker 모델 카드
D. AWS AI 서비스 카드

정답: A

==================================================

=== 문제 102 ===
문제: 한 회사는 Amazon을 사용하여 생성적 텍스트 요약 모델을 개발했습니다. 기반암. 회사는 Amazon Bedrock 자동 모델 평가를 사용할
예정입니다. 능력. 회사는 정확성을 평가하기 위해 어떤 측정 기준을 사용해야 합니까? 모델?

답변 목록:
A. ROC 곡선 아래 영역(AUC) 점수
B. F1 점수
C. BERT점수
D. 실제 지식(RWK) 점수

정답: C

==================================================

=== 문제 103 ===
문제: AI 실무자는 꽃잎을 기준으로 꽃의 분류를 예측하려고 합니다. 길이, 꽃잎 너비, 꽃받침 길이 및 꽃받침 너비. 어떤 알고리즘이 이를
충족합니까? 요구 사항?

답변 목록:
A. K-최근접 이웃(k-NN)
B. K-평균
C. 자기회귀 통합 이동 평균(ARIMA)
D. 선형 회귀

정답: A

==================================================

=== 문제 104 ===
문제: 한 회사는 생성 AI를 위해 Amazon Bedrock의 사용자 지정 모델을 사용하고 있습니다. 신청. 회사에서는 회사에서 관리하는 암호화 키를
사용하여 다음 작업을 수행하려고 합니다. 모델 사용자 정의 작업이 생성하는 모델 아티팩트를 암호화합니다. 어느 AWS 서비스가 이러한 요구
사항을 충족합니까?

답변 목록:
A. AWS 키 관리 서비스(AWS KMS)
B. 아마존 인스펙터
C. 아마존 메이시
D. AWS 비밀 관리자

정답: A

==================================================

=== 문제 105 ===
문제: 회사는 LLM(대형 언어 모델)을 사용하여 자연 언어에서 코드를 생성하려고 합니다. 언어 코드 주석. 이러한 요구 사항을 충족하는 LLM 기능은
무엇입니까?

답변 목록:
A. 텍스트 요약
B. 텍스트 생성
C. 텍스트 완성
D. 텍스트 분류

정답: B

==================================================

=== 문제 106 ===
문제: 한 회사에서 사용자의 외국어 학습을 도와주는 모바일 앱을 선보이고 있습니다. 앱은 LLM(대형 언어 모델)을 호출하여 텍스트를 더욱 일관되게
만듭니다. 는 회사는 다양한 텍스트 데이터세트를 수집하고 다음과 같은 데이터세트를 보완했습니다. 더 읽기 쉬운 버전의 예. 회사는 LLM 출력이
다음과 유사하기를 원합니다. 제공된 예시. 회사는 어떤 측정 기준을 사용하여 다음과 같은지 여부를 평가해야 합니다. LLM이 이러한 요구 사항을
충족합니까?

답변 목록:
A. 손실 함수의 값
B. 의미론적 견고성
C. ROUGE(Gisting Evaluation) 점수를 위한 회상 중심 연구
D. 텍스트 생성 지연 시간

정답: C

==================================================

=== 문제 107 ===
문제: 회사는 FM(Foundation Model)이 다음과 같은 이미지를 생성한다는 사실을 알아차렸습니다. 프롬프트와 관련이 없습니다. 회사는
프롬프트 기술을 다음과 같이 수정하려고 합니다. 관련 없는 이미지를 줄입니다. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. 제로샷 프롬프트를 사용하세요.
B. 부정적인 프롬프트를 사용하세요.
C. 긍정적인 프롬프트를 사용하세요.
D. 모호한 프롬프트를 사용하세요.

정답: B

==================================================

=== 문제 108 ===
문제: 회사에서는 LLM(대형 언어 모델)을 사용하여 간결하고 회사 제품의 기능별 설명입니다. 어떤 프롬프트 엔지니어링 기술이 이러한 요구 사항을
충족합니까?

답변 목록:
A. 모든 제품을 포괄하는 하나의 프롬프트를 만듭니다. 응답을 편집하여 다음을 수행하십시오.
보다 구체적이고 간결하며 각 제품에 맞는 응답을 제공합니다.
B. 주요 기능을 강조하는 각 제품 카테고리에 대한 프롬프트를 만듭니다.
각 프롬프트 응답에 대해 원하는 출력 형식과 길이를 포함합니다.
C. 생성할 각 프롬프트에 다양한 제품 기능을 포함하세요.
창의적이고 독특한 설명.
D. 정확하고 맞춤화되도록 상세한 제품별 프롬프트를 제공합니다.
설명.

정답: B

==================================================

=== 문제 109 ===
문제: 한 회사에서 고객 이탈을 예측하기 위해 ML 모델을 개발하고 있습니다. 모델 훈련 데이터세트에서는 좋은 성능을 발휘하지만 고객 이탈을 정확하게
예측하지 못합니다. 새로운 데이터. 이 문제를 해결하려면 어떤 솔루션이 필요합니까?

답변 목록:
A. 모델 복잡성을 높이려면 정규화 매개변수를 줄이세요.
B. 모델 복잡성을 줄이려면 정규화 매개변수를 늘리세요.
C. 입력 데이터에 더 많은 기능을 추가합니다.
D. 더 많은 에포크에 대해 모델을 훈련합니다.

정답: B

==================================================

=== 문제 110 ===
문제: 한 회사에서 대화형 검색을 제공하기 위해 지능형 에이전트를 구현하고 있습니다. 고객을 위한 경험. 회사에는 다음을 수행할 수 있는 데이터베이스
서비스가 필요합니다. 생성적 AI 모델의 임베딩 저장 및 쿼리를 벡터로 지원 데이터베이스에서. 이러한 요구 사항을 충족하는 AWS 서비스는
무엇입니까?

답변 목록:
A. 아마존 아테나
B. 아마존 오로라 포스트그레SQL
C. 아마존 레드시프트
D. 아마존 EMR

정답: B

==================================================

=== 문제 111 ===
문제: 한 금융기관이 대출 승인을 위한 AI 솔루션을 구축하고 있다. FM(Foundation Model)을 사용하여 결정합니다. 보안 및 감사
목적으로 회사는 AI 솔루션의 결정을 설명할 수 있어야 합니다. 어떤 요인 AI 솔루션 결정의 설명 가능성과 관련이 있나요?

답변 목록:
A. 모델 복잡성
B. 훈련 시간
C. 하이퍼파라미터 수
D. 배포 시간

정답: A

==================================================

=== 문제 112 ===
문제: 한 제약회사에서 신약에 대한 사용자 리뷰를 분석하고 각 약물에 대한 간략한 개요를 제공합니다. 어떤 솔루션이 이를 충족합니까? 요구 사항?

답변 목록:
A. 시계열 예측 모델을 생성하여 약물 리뷰를 분석합니다.
Amazon Personalize를 사용합니다.
B. Amazon Bedrock 대형 언어를 사용하여 약물 검토 요약 생성
모델(LLM).
C. 약물을 다양한 유형으로 분류하는 분류 모델을 만듭니다.
Amazon SageMaker를 사용하여 그룹화합니다.
D. Amazon Rekognition을 사용하여 약물 검토 요약을 생성합니다.

정답: B

==================================================

=== 문제 113 ===
문제: 회사는 직원이 리드 우선 순위 지정 애플리케이션을 구축하려고 합니다. 잠재 고객에게 연락하십시오. 신청서는 직원들에게 다음과 같은 능력을
제공해야 합니다. 모델 기반의 다양한 변수에 할당된 가중치를 보고 조정합니다. 도메인 지식과 전문 지식에 대해. 이러한 요구 사항을 충족하는
ML 모델 유형은 무엇입니까?

답변 목록:
A. 로지스틱 회귀 모델
B. 주요 구성 요소를 기반으로 구축된 딥 러닝 모델
C. K-최근접 이웃(k-NN) 모델
D. 신경망

정답: A

==================================================

=== 문제 114 ===
문제: HOTSPOT - 회사에서 ML 애플리케이션을 구축하려고 합니다. 잘 설계된 ML 워크로드를 개발하려면 다음 목록에서 올바른 단계를 선택하고
순서를 지정하세요. 각 단계는 한 번만 선택해야 합니다. 

정답: 

==================================================

=== 문제 115 ===
문제: 기초 모델(FM)이 효과적으로 충족하는지 여부를 결정하는 전략은 무엇입니까? 사업 목표? 기초 모델(FM)이 적합한지 여부를 결정하는 전략은
무엇입니까? 효과적으로 비즈니스 목표를 달성합니까?

답변 목록:
A. 벤치마크 데이터 세트에서 모델 성능을 평가합니다.
B. 모델의 아키텍처와 하이퍼파라미터를 분석합니다.
C. 특정 사용 사례에 대한 모델의 정렬을 평가합니다.
D. 모델 배포에 필요한 계산 리소스를 측정합니다.

정답: C

==================================================

=== 문제 116 ===
문제: 회사는 다양한 유형의 이미지를 분류하기 위해 ML 모델을 교육해야 합니다. 동물. 회사는 레이블이 지정된 이미지로 구성된 대규모 데이터 세트를
보유하고 있으며 레이블을 지정하지 않습니다. 더 많은 데이터. 회사는 모델을 훈련하기 위해 어떤 유형의 학습을 사용해야 합니까?

답변 목록:
A. 지도 학습
B. 비지도 학습
C. 강화 학습
D. 적극적인 학습

정답: A

==================================================

=== 문제 117 ===
문제: ML 수명주기의 어느 단계에서 규정 준수 및 규제 요구 사항이 결정됩니까? ML 수명주기의 어느 단계에서 규정 준수 및 규제 요구 사항이
결정됩니까?

답변 목록:
A. 기능 엔지니어링
B. 모델 훈련
C. 데이터 수집
D. 비즈니스 목표 식별

정답: D

==================================================

=== 문제 118 ===
문제: 한 요식업 회사에서 일일 음식 섭취량을 줄이는 데 도움이 되는 ML 모델을 개발하려고 합니다. 낭비하고 판매 수익을 증가하십시오. 회사는
지속적으로 개선해야 한다. 모델의 정확성. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. Amazon SageMaker를 사용하고 최신 데이터로 반복하십시오.
B. Amazon Personalize를 사용하고 기록 데이터로 반복하십시오.
C. Amazon CloudWatch를 사용하여 고객 주문을 분석하십시오.
D. Amazon Rekognition을 사용하여 모델을 최적화합니다.

정답: A

==================================================

=== 문제 119 ===
문제: 한 회사에서 부동산 판매 가격을 예측하기 위해 ML 모델을 개발했습니다. 는 회사는 서버를 관리하지 않고 예측을 수행하기 위해 모델을 배포하려고
합니다. 또는 인프라. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. Amazon EC2 인스턴스에 모델을 배포합니다.
B. Amazon Elastic Kubernetes Service(Amazon EKS)에 모델 배포
무리.
C. Amazon S3 통합과 함께 Amazon CloudFront를 사용하여 모델을 배포합니다.
D. Amazon SageMaker 엔드포인트를 사용하여 모델을 배포합니다.

정답: D

==================================================

=== 문제 120 ===
문제: 한 회사는 직원들이 영업 시간을 확인하는 데 도움이 되는 AI 애플리케이션을 개발하고 싶어합니다. 고객 청구, 특정 청구에 대한 세부 정보
식별, 고객 청구에 대한 문서 액세스 청구. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. Amazon Fraud Detector와 함께 Amazon Bedrock용 에이전트를 사용하여
애플리케이션.
B. Amazon Bedrock 지식 기반과 함께 Amazon Bedrock용 에이전트를 사용하여 구축
응용 프로그램.
C. Amazon Personalize를 Amazon Bedrock 지식 기반과 함께 사용하여
애플리케이션.
D. Amazon SageMaker를 사용하여 새로운 ML 모델을 훈련하여 애플리케이션을 구축하십시오.

정답: B

==================================================

=== 문제 121 ===
문제: 제조회사는 AI를 활용해 제품을 검사하고 파손 여부를 찾아낸다. 결함. 회사에서는 어떤 유형의 AI 애플리케이션을 사용하고 있나요?

답변 목록:
A. 추천 시스템
B. 자연어 처리(NLP)
C. 컴퓨터 비전
D. 이미지 처리

정답: C

==================================================

=== 문제 122 ===
문제: 한 회사에서 고객 만족도를 예측하기 위해 ML 모델을 만들고 싶어합니다. 는 회사에는 완전히 자동화된 모델 튜닝이 필요합니다. 어떤 AWS
서비스가 이를 충족합니까? 요구 사항?

답변 목록:
A. 아마존 개인화
B. 아마존 세이지메이커
C. 아마존 아테나
D. 아마존 컴프리헨드

정답: B

==================================================

=== 문제 123 ===
문제: 생성 AI의 편향과 독성을 낮추기 위해 기업이 사용할 수 있는 기술은 무엇입니까? 후처리 ML 수명 주기 동안 애플리케이션을 사용합니까? 어떤
기술을 사용할 수 있나요? 회사는 생성 AI 애플리케이션의 편향과 독성을 낮추기 위해 사용합니다. 후처리 ML 수명주기?

답변 목록:
A. 인간 참여형
B. 데이터 증대
C. 기능 엔지니어링
D. 적대적 훈련

정답: A

==================================================

=== 문제 124 ===
문제: 한 은행은 대출 승인을 신속하게 처리하기 위해 LLM(대형 언어 모델)을 미세 조정했습니다. 프로세스. 해당 모델에 대한 외부 감사 과정에서
회사는 다음과 같은 사실을 발견했습니다. 모델은 특정 인구통계에 대해 더 빠른 속도로 대출을 승인하고 있었습니다. 기타 인구통계. 은행은 이
문제를 어떻게 가장 비용 효율적으로 해결해야 합니까?

답변 목록:
A. 더욱 다양한 학습 데이터를 포함합니다. 다음을 사용하여 모델을 다시 미세 조정합니다.
새로운 데이터.
B. 미세 조정된 모델과 함께 RAG(검색 증강 생성)를 사용합니다.
C. 편향을 제거하려면 AWS Trusted Advisor 점검을 사용하십시오.
D. 더욱 다양한 교육 데이터로 새로운 LLM을 사전 교육합니다.

정답: A

==================================================

=== 문제 125 ===
문제: HOTSPOT - 회사에서 대규모 언어 모델(LLM)을 개발했으며 LLM을 여러 내부 팀에서 사용할 수 있도록 하려고 합니다. 회사는 각 팀에
적합한 추론 모드를 선택해야 합니다. 각 사용 사례에 대해 다음 목록에서 올바른 추론 모드를 선택하세요. 각 추론 모드는 한 번 이상 선택해야
합니다

정답:

==================================================

=== 문제 126 ===
문제: 회사는 Amazon Bedrock API에 대한 모든 요청을 기록해야 합니다. 회사 최소한의 비용으로 5년 동안 안전하게 로그를 보관해야
합니다. 어느 AWS 서비스와 스토리지 클래스의 조합이 이러한 요구 사항을 충족합니까? (선택 2.) 광고 광고

답변 목록:
A. AWS 클라우드트레일
B. 아마존 클라우드워치
C. AWS 감사 관리자
D. Amazon S3 지능형 계층화
E. 아마존 S3 표준

정답: AD

==================================================

=== 문제 128 ===
문제: 병원에서는 의사의 질병 진단을 보조하는 AI 시스템을 개발하고 있습니다. 환자기록과 의료영상을 기반으로 규정을 준수하기 위해, 민감한 환자
데이터는 해당 데이터가 위치한 국가를 벗어나서는 안 됩니다. 데이터 거버넌스 전략은 규정 준수를 보장하고 환자의 개인 정보를 보호합니까?

답변 목록:
A. 데이터 상주
B. 데이터 품질
C. 데이터 검색 가능성
D. 데이터 강화

정답: A

==================================================

=== 문제 129 ===
문제: 회사는 고도의 기술을 사용하여 ML 시스템의 성능을 모니터링해야 합니다. 확장 가능한 AWS 서비스. 이러한 요구 사항을 충족하는 AWS
서비스는 무엇입니까?

답변 목록:
A. 아마존 클라우드워치
B. AWS 클라우드트레일
C. AWS 신뢰 고문
D. AWS 구성

정답: A

==================================================

=== 문제 130 ===
문제: AI 전문가가 Amazon Titan 모델에 대한 프롬프트를 개발하고 있습니다. 모델 Amazon Bedrock에서 호스팅됩니다. AI 실무자는
모델을 사용하여 문제를 해결합니다. 수치 추론 문제. AI 실무자는 다음 문구를 추가합니다. 프롬프트의 끝: “모델에게 설명을 통해 작업을
보여달라고 요청하세요. 차근차근 추론해 보세요.” AI는 어떤 신속한 엔지니어링 기술인가 실무자가 사용하고 있나요?

답변 목록:
A. 일련의 사고 유도
B. 신속한 주입
C. 퓨샷 프롬프트
D. 프롬프트 템플릿

정답: A

==================================================

=== 문제 131 ===
문제: 사용자가 구축하는 데 도움이 되는 기반 모델(FM)을 제공하는 AWS 서비스는 무엇입니까? 생성적 AI 애플리케이션을 확장할 수 있나요? 어떤
AWS 서비스가 기초 모델을 만드는가 (FM)을 사용하여 사용자가 생성적 AI 애플리케이션을 구축하고 확장하는 데 도움을 받을 수 있습니까?

답변 목록:
A. 아마존 Q 개발자
B. 아마존 기반암
C. 아마존 켄드라
D. 아마존 컴프리헨드

정답: B

==================================================

=== 문제 132 ===
문제: 한 회사에서 시각 장애가 있는 사용자를 위한 모바일 앱을 구축하고 있습니다. 는 앱은 사용자의 말을 듣고 음성 응답을 제공할 수 있어야 합니다.
어느 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. 딥러닝 신경망을 사용하여 음성 인식을 수행합니다.
B. 숫자 데이터의 패턴을 검색하는 ML 모델을 구축하세요.
C. 생성적 AI 요약을 사용하여 인간과 유사한 텍스트를 생성합니다.
D. 이미지 분류 및 인식을 위한 맞춤형 모델을 구축하세요.

정답: A

==================================================

=== 문제 133 ===
문제: 한 회사는 LLM(대형 언어 모델)의 응답 품질을 향상시키려고 합니다. 복잡한 문제 해결 작업. 작업에는 상세한 추론과 단계가 필요합니다.
단계별 설명 과정. 이러한 요구 사항을 충족하는 프롬프트 엔지니어링 기술은 무엇입니까? 요구 사항?

답변 목록:
A. 퓨샷 프롬프트
B. 제로샷 프롬프트
C. 방향 자극 프롬프트
D. 일련의 사고 유도

정답: D

==================================================

=== 문제 134 ===
문제: 회사는 최대한의 활용을 통해 FM(기초 모델)의 관련성을 유지하려고 합니다. 최근 데이터. 회사는 다음과 같은 모델 학습 전략을 구현하려고
합니다. FM에 대한 정기적인 업데이트가 포함됩니다. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. 일괄 학습
B. 지속적인 사전 훈련
C. 정적 훈련
D. 잠재 훈련

정답: B

==================================================

=== 문제 135 ===
문제: HOTSPOT - 회사는 비즈니스 운영 및 효율성을 개선하기 위해 ML 애플리케이션을 개발하려고 합니다. 각 사용 사례에 대해 다음 목록에서
올바른 ML 패러다임을 선택하세요. 각 ML 패러다임은 한 번 이상 선택되어야 합니다. 

정답: 

==================================================

=== 문제 136 ===
문제: 신뢰 구축을 위한 AI 거버넌스 프레임워크의 특징은 무엇입니까? 인간 중심의 AI 기술을 배포하는 것인가요? 어떤 옵션이 특징인가요? 인간 중심
AI 구축과 신뢰 구축을 위한 AI 거버넌스 프레임워크 기술?

답변 목록:
A. 장기적인 비즈니스 창출을 위해 사업부 전반에 걸쳐 이니셔티브를 확장합니다.
값
B. 비즈니스 표준, 수익 목표, 이해관계자와의 일치 보장
기대
C. 비즈니스 혁신과 성장을 촉진하기 위한 과제 극복
D. 데이터, 투명성, 책임 있는 AI에 대한 정책 및 지침 개발
및 규정 준수

정답: D

==================================================

=== 문제 137 ===
문제: 전자상거래 회사는 생성 AI 챗봇을 사용하여 고객에게 응답하고 있습니다. 문의. 회사는 챗봇이 경제적으로 미치는 영향을 측정하려고 합니다.
회사의 운영. 회사는 어떤 측정항목을 사용해야 합니까?

답변 목록:
A. 고객 문의 처리 건수
B. AI 모델 학습 비용
C. 각 고객 대화 비용
D. 평균 처리 시간(AHT)

정답: C

==================================================

=== 문제 138 ===
문제: 회사는 고객의 그룹을 기반으로 고객을 위한 그룹을 찾고 싶어합니다. 인구통계 및 구매 패턴. 회사는 어떤 알고리즘을 사용해야 충족합니까? 이
요구사항은?

답변 목록:
A. K-최근접 이웃(k-NN)
B. K-평균
C. 의사결정 트리
D. 지원 벡터 머신

정답: B

==================================================

=== 문제 139 ===
문제: 한 회사의 LLM(대형 언어 모델)이 환각을 경험하고 있습니다. 어떻게 회사에서 환각이 줄어들었나요?

답변 목록:
A. 모델 훈련을 감독하기 위해 Amazon Bedrock용 에이전트를 설정합니다.
B. 데이터 전처리를 사용하고 환각을 유발하는 모든 데이터를 제거합니다.
C. 모델의 온도 추론 매개변수를 줄입니다.
D. 환각을 일으키지 않도록 훈련된 기초 모델(FM)을 사용하세요.

정답: C

==================================================

=== 문제 140 ===
문제: 한 회사는 Amazon Bedrock에서 LLM(대형 언어 모델)을 사용하여 챗봇. 챗봇은 고객 지원 요청을 처리합니다. 요청을 해결하려면
고객과 챗봇은 여러 번 상호 작용해야 합니다. 어떤 솔루션이 LLM에서 이전 고객 메시지의 콘텐츠를 사용할 수 있습니까?

답변 목록:
A. 메시지를 수집하려면 모델 호출 로깅을 켜세요.
B. 모델 프롬프트에 메시지를 추가합니다.
C. Amazon Personalize를 사용하여 대화 기록을 저장하세요.
D. LLM에 프로비저닝된 처리량을 사용합니다.

정답: B

==================================================

=== 문제 141 ===
문제: 회사 직원이 제품 설명과 추천을 제공합니다. 고객이 고객센터로 전화를 했을 때. 이러한 권장 사항 고객의 위치를 기준으로 합니다. 회사에서
사용하고 싶어 기초 모델(FM)은 이 프로세스를 자동화합니다. 어떤 AWS 서비스가 이를 충족합니까? 요구 사항?

답변 목록:
A. 아마존 메이시
B. 아마존 트랜스크라이브
C. 아마존 기반암
D. 아마존 텍스트랙트

정답: C

==================================================

=== 문제 142 ===
문제: 회사는 고객 서비스 이메일 메시지를 Amazon S3에 업로드하여 다음을 수행하려고 합니다. 비즈니스 분석 애플리케이션을 개발합니다. 메시지에는
때때로 다음이 포함됩니다. 민감한 데이터. 회사는 민감한 순간마다 알림을 받기를 원합니다. 정보가 발견되었습니다. 민감한 정보를 완전히
자동화하는 솔루션은 무엇입니까? 최소한의 개발 노력으로 탐지 프로세스를 수행할 수 있습니까?

답변 목록:
A. 문서에서 민감한 정보를 탐지하도록 Amazon Macie를 구성합니다.
Amazon S3에 업로드됩니다.
B. Amazon SageMaker 엔드포인트를 사용하여 LLM(대형 언어 모델)을 배포합니다.
민감한 데이터를 수정합니다.
C. 민감한 데이터를 탐지하기 위해 여러 정규식 패턴을 개발합니다. 정규식 노출
Amazon SageMaker 노트북의 패턴.
D. 고객에게 이메일에서 민감한 정보를 공유하지 않도록 요청하세요.
메시지.

정답: A

==================================================

=== 문제 143 ===
문제: HOTSPOT - 회사에서는 기초 모델에 대한 프롬프트를 구성하는 방법에 대해 직원을 교육하고 있습니다. 각 프롬프트 템플릿에 대해 다음
목록에서 올바른 프롬프트 엔지니어링 기술을 선택하세요. 각 프롬프트 엔지니어링 기술은 한 번만 선택해야 합니다. 

정답: 

==================================================

=== 문제 144 ===
문제: HOTSPOT - 한 회사가 생성 AI 모델을 사용하여 디지털 비서를 개발하고 있습니다. 모델의 응답에는 바람직하지 않거나 잠재적으로 유해한
콘텐츠가 포함되는 경우가 있습니다. 각 완화 조치에 대해 다음 목록에서 올바른 Amazon Bedrock 필터 정책을 선택하십시오. 각 필터
정책은 한 번만 선택해야 합니다. 

정답: 

==================================================

=== 문제 145 ===
문제: AI를 문서화하기 위해 Amazon SageMaker 모델 카드를 사용하면 어떤 이점이 있습니까? 모델? Amazon SageMaker 모델
카드를 사용하면 어떤 이점이 있습니까? AI 모델을 문서화하시겠습니까?

답변 목록:
A. 모드 기능에 대한 시각적으로 매력적인 요약을 제공합니다.
B. 모델의 목적, 성능 및 정보에 대한 정보 표준화
제한.
C. 모델의 전반적인 계산 요구 사항을 줄입니다.
D. 보관 목적으로 모델을 물리적으로 저장합니다.

정답: B

==================================================

=== 문제 146 ===
문제: F1 점수는 기초 모델(FM)의 맥락에서 무엇을 측정합니까? 성능? 기초 모델의 맥락에서 F1 점수는 무엇을 측정합니까? (FM) 성능?

답변 목록:
A. 모델 정밀도 및 재현율
B. 응답 생성의 모델 속도
C. 모델 운영에 드는 재정적 비용
D. 모델 계산의 에너지 효율성

정답: A

==================================================

=== 문제 147 ===
문제: 한 회사는 고객 서비스 상담원의 대응을 돕기 위해 AI/ML 솔루션을 배포했습니다. 자주 묻는 질문. 질문은 시간이 지남에 따라 바뀔 수
있습니다. 회사 고객 서비스 상담원에게 질문하고 답변을 받을 수 있는 기능을 제공하고 싶습니다. 일반적인 고객 질문에 대한 답변이 자동으로
생성되었습니다. 어떤 전략 이러한 요구 사항을 가장 비용 효율적으로 충족할 수 있습니까?

답변 목록:
A. 정기적으로 모델을 미세 조정합니다.
B. 컨텍스트 데이터를 사용하여 모델을 학습합니다.
C. 컨텍스트 데이터를 사용하여 모델을 사전 학습하고 벤치마킹합니다.
D. 신속한 엔지니어링 기술과 함께 검색 증강 생성(RAG)을 사용합니다.

정답: D

==================================================

=== 문제 148 ===
문제: 한 회사에서 AI 기반 이력서 심사 시스템을 구축했습니다. 그 회사는 큰 것을 사용했다. 모델을 훈련하기 위한 데이터 세트입니다. 데이터
세트에는 다음과 같은 이력서가 포함되어 있습니다. 모든 인구통계를 대표합니다. 책임 있는 AI의 핵심 차원은 무엇입니까? 이 시나리오가
존재합니까?

답변 목록:
A. 공평
B. 설명 가능성
C. 개인 정보 보호 및 보안
D. 투명도

정답: A

==================================================

=== 문제 149 ===
문제: 한 글로벌 금융회사가 주식 분석을 위한 ML 애플리케이션을 개발했습니다. 시장 데이터를 제공하고 주식 시장 동향을 제공합니다. 회사는 지속적으로
원한다. 애플리케이션 개발 단계를 모니터링하고 회사 정책을 확인합니다. 및 업계 규정을 따릅니다. 어떤 AWS 서비스가 회사에 도움이 될까요?
규정 준수 요구 사항을 평가합니까? (2개 선택) AB AB

답변 목록:
A. AWS 감사 관리자
B. AWS 구성
C. 아마존 인스펙터
D. 아마존 클라우드워치
E. AWS 클라우드트레일

정답: AB

==================================================

=== 문제 150 ===
문제: 한 회사는 생성 AI의 응답 정확도를 향상시키고 싶어합니다. 신청. 이 애플리케이션은 Amazon Bedrock의 기초 모델(FM)을
사용합니다. 이러한 요구 사항을 가장 비용 효율적으로 충족하는 솔루션은 무엇입니까?

답변 목록:
A. FM을 미세 조정하세요.
B. FM을 재훈련시키세요.
C. 새로운 FM을 훈련하세요.
D. 신속한 엔지니어링을 사용하십시오.

정답: D

==================================================

=== 문제 151 ===
문제: 회사는 소셜 댓글 섹션에서 유해한 언어를 식별하려고 합니다. ML 모델을 사용하여 미디어 게시물을 게시합니다. 회사는 레이블이 지정된 데이터를
사용하여 교육하지 않습니다. 모델. 회사는 유해한 언어를 식별하기 위해 어떤 전략을 사용해야 합니까?

답변 목록:
A. Amazon Rekognition 조정을 사용합니다.
B. Amazon Comprehend 독성 탐지를 사용하십시오.
C. Amazon SageMaker 내장 알고리즘을 사용하여 모델을 훈련합니다.
D. Amazon Polly를 사용하여 댓글을 모니터링하세요.

정답: B

==================================================

=== 문제 152 ===
문제: 한 미디어 회사에서 시청자 행동과 인구통계를 분석하여 추천을 하려고 합니다. 맞춤형 콘텐츠. 회사는 맞춤형 ML 모델을 자사에 배포하려고
합니다. 생산 환경. 회사에서는 모델 품질도 관찰하고 싶어합니다. 시간이 지남에 따라 표류합니다. 이러한 요구 사항을 충족하는 AWS 서비스
또는 기능은 무엇입니까?

답변 목록:
A. 아마존 인식
B. Amazon SageMaker 명확화
C. 아마존 컴프리헨드
D. Amazon SageMaker 모델 모니터

정답: D

==================================================

=== 문제 153 ===
문제: 한 회사가 AWS 서비스를 사용하여 AI/ML 모델을 배포하고 있습니다. 회사가 원해서 모델의 의사결정 과정에 투명성을 제공하고 모델 출력에
대한 설명입니다. 어떤 AWS 서비스 또는 기능이 이를 충족합니까? 요구 사항?

답변 목록:
A. Amazon SageMaker 모델 카드
B. 아마존 인식
C. 아마존 컴프리헨드
D. 아마존 렉스

정답: A

==================================================

=== 문제 154 ===
문제: 제조 회사는 여러 언어로 제품 설명을 작성하려고 합니다. 언어. 이 작업을 자동화하는 AWS 서비스는 무엇입니까?

답변 목록:
A. 아마존 번역
B. 아마존 트랜스크라이브
C. 아마존 켄드라
D. 아마존 폴리

정답: A

==================================================

=== 문제 155 ===
문제: HOTSPOT - 회사는 생성 AI 모델의 프롬프트에 대해 보다 맞춤화된 응답을 원합니다. 각 사용 사례에 대해 다음 목록에서 올바른 사용자
정의 방법을 선택하세요. 각 사용 사례는 한 번만 선택해야 합니다. 

정답:

==================================================

=== 문제 156 ===
문제: 거버넌스 및 관리를 위해 ML 인스턴스 데이터에 대한 세부 정보를 기록하는 AWS 기능은 무엇입니까? 보고? ML 인스턴스 데이터에 대한 세부
정보를 기록하는 AWS 기능은 무엇입니까? 거버넌스와 보고?

답변 목록:
A. Amazon SageMaker 모델 카드
B. Amazon SageMaker 디버거
C. Amazon SageMaker 모델 모니터
D. Amazon SageMaker JumpStart

정답: A

==================================================

=== 문제 157 ===
문제: 금융 회사는 회사의 일부 업무를 돕기 위해 ML을 사용하고 있습니다. 어느 옵션은 생성 AI 모델을 사용하는 것입니까?

답변 목록:
A. 고객 불만 요약
B. 제품 사용에 따른 고객 분류
C. 투자 유형에 따라 고객 세분화
D. 특정 제품에 대한 수익 예측

정답: A

==================================================

=== 문제 158 ===
문제: 한 의료 회사에서 구조화된 데이터에 액세스할 수 있는 AI 애플리케이션을 개발하려고 합니다. 환자 기록을 작성하고, 관련 정보를 추출하고,
간결한 요약을 생성합니다. 어떤 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. Amazon Comprehend Medical을 사용하여 관련 의료 개체를 추출하고
relationships. 규칙 기반 논리를 적용하여 요약을 구성하고 형식을 지정합니다.
B. Amazon Personalize를 사용하여 환자 참여 패턴을 분석하십시오. 통합
범용 텍스트 요약 도구를 사용하여 출력합니다.
C. Amazon Textract를 사용하여 스캔한 문서를 디지털 텍스트로 변환합니다. 디자인하다
요약을 생성하는 키워드 추출 시스템.
D. 의료 기록에 대한 검색 가능한 인덱스를 제공하려면 Amazon Kendra를 구현하십시오.
템플릿 기반 시스템을 사용하여 요약 형식을 지정합니다.

정답: A

==================================================

=== 문제 159 ===
문제: AI 맥락에서 임베딩을 설명하는 옵션은 무엇입니까? 어떤 옵션이 설명하는가 AI의 맥락에서 임베딩?

답변 목록:
A. 대규모 데이터 세트를 압축하는 방법
B. 민감한 데이터를 보호하기 위한 암호화 방법
C. 고차원 데이터 시각화 방법
D. 축소된 차원 공간에서 데이터를 표현하기 위한 수치적 방법

정답: D

==================================================

=== 문제 160 ===
문제: 한 회사는 다양한 길이의 책을 요약하기 위해 AI 애플리케이션을 구축하고 있습니다. 테스트하는 동안 애플리케이션이 일부 책을 요약하지 못합니다.
왜 응용 프로그램이 일부 책을 요약하지 못합니까?

답변 목록:
A. 온도가 너무 높게 설정되었습니다.
B. 선택한 모델은 미세 조정을 지원하지 않습니다.
C. Top P 값이 너무 높습니다.
D. 입력 토큰이 모델의 컨텍스트 크기를 초과합니다.

정답: D

==================================================

=== 문제 161 ===
문제: 한 항공사가 답변을 제공하는 대화형 AI 도우미를 구축하려고 합니다. 항공편 일정, 예약, 결제에 관한 고객 질문. 회사 LLM(대형 언어
모델)과 지식 기반을 사용하여 텍스트를 만들고 싶습니다. 기반의 챗봇 인터페이스. 어떤 솔루션이 이러한 요구 사항을 충족합니까? 최소한의 개발
노력?

답변 목록:
A. Amazon SageMaker Autopilot에서 모델을 훈련합니다.
B. Amazon Bedrock을 사용하여 검색 증강 생성(RAG) 에이전트를 개발합니다.
C. Amazon Q Developer를 사용하여 Python 애플리케이션을 생성합니다.
D. Amazon SageMaker Jumpstart에서 모델을 미세 조정하세요.

정답: B

==================================================

=== 문제 162 ===
문제: 자연어 처리(NLP)에서 토큰화는 무엇에 사용됩니까? 무엇입니까? 자연어 처리(NLP)에 토큰화가 사용됩니까?

답변 목록:
A. 텍스트 데이터를 암호화하려면
B. 텍스트 파일을 압축하려면
C. 처리를 위해 텍스트를 더 작은 단위로 나누려면
D. 언어 간 텍스트를 번역하려면

정답: C

==================================================

=== 문제 163 ===
문제: 변환기 기반 언어 모델의 특징은 무엇입니까? 어느 옵션은 변환기 기반 언어 모델의 특징입니까?

답변 목록:
A. 변환기 기반 언어 모델은 컨볼루셔널 레이어를 사용하여 필터를 적용합니다.
입력 전반에 걸쳐 필터링된 보기를 통해 로컬 패턴을 캡처합니다.
B. 변환기 기반 언어 모델은 텍스트 데이터만 처리할 수 있습니다.
C. Transformer 기반 언어 모델은 self-attention 메커니즘을 사용하여 캡처합니다.
상황적 관계.
D. 변환기 기반 언어 모델은 한 번에 한 요소씩 데이터 시퀀스를 처리합니다.
주기적 반복의 시간.

정답: C

==================================================

=== 문제 164 ===
문제: 한 금융회사는 고객의 신용점수를 얻기 위해 AI 시스템을 활용하고 있다. 대출신청 절차 안내입니다. 회사는 새로운 시장으로 확장하고 싶어합니다.
다른 지리적 영역. 회사는 다음과 같은 방식으로 운영될 수 있도록 보장해야 합니다. 지리적 영역. 회사는 어떤 규정 준수 법률을 검토해야
합니까?

답변 목록:
A. 지역 건강 데이터 보호법
B. 현지 결제 카드 데이터 보호법
C. 지역 교육 개인 정보 보호법
D. 로컬 알고리즘 책임법

정답: D

==================================================

=== 문제 165 ===
문제: 한 회사는 생성 AI 애플리케이션에 Amazon Bedrock을 사용합니다. 회사 Amazon Bedrock Guardrails를 사용하여
유해한 사용자 입력을 탐지하고 필터링하려고 합니다. 모델 생성 출력. 가드레일은 어떤 콘텐츠 카테고리를 필터링할 수 있나요? (2개 선택) AC
AC

답변 목록:
A. 싫어하다
B. 정치
C. 폭행
D. 도박
E. 종교

정답: AC

==================================================

=== 문제 166 ===
문제: 프롬프트 엔지니어링의 잠재적인 위험과 한계를 설명하는 시나리오는 무엇인가요? 생성적 AI 모델의 맥락에서? 어떤 시나리오가 잠재력을 설명하는가?
생성 AI 맥락에서 신속한 엔지니어링의 위험과 한계 모델?

답변 목록:
A. 신속한 엔지니어링은 모델이 항상 일관되게 생성되도록 보장하지 않습니다.
결정론적 출력을 제공하므로 검증이 필요하지 않습니다.
B. 신속한 엔지니어링은 모델을 프롬프트와 같은 취약성에 노출시킬 수 있습니다.
주입 공격.
C. 적절하게 설계된 프롬프트는 데이터 위험을 줄이기는 하지만 제거하지는 않습니다.
중독 또는 모델 하이재킹.
D. 신속한 엔지니어링은 모델이 일관되게 생성된다는 것을 보장하지 않습니다.
실제 데이터로 작업할 때 매우 안정적인 출력을 제공합니다.

정답: B

==================================================

=== 문제 167 ===
문제: 한 출판사가 RAG(Retrieval Augmented Generation) 기반 솔루션을 구축했습니다. 사용자에게 게시된 콘텐츠와 상호 작용할
수 있는 기능을 제공합니다. 새로운 콘텐츠는 매일 발행됩니다. 회사는 실시간에 가까운 경험을 제공하기를 원합니다. 사용자. 회사는 다음을
사용하여 RAG 파이프라인에서 어떤 단계를 구현해야 합니까? 이러한 요구 사항을 충족하려면 오프라인 일괄 처리가 필요합니까? (2개를
선택하세요.) A A

답변 목록:
A. 콘텐츠 임베딩 생성
B. 사용자 쿼리에 대한 임베딩 생성
C. 검색 색인 생성
D. 관련 콘텐츠 검색
E. 사용자를 위한 응답 생성

정답: A

==================================================

=== 문제 168 ===
문제: 복잡한 작업을 더 작은 하위 작업으로 나누어 전송하는 기술은 무엇인가요? LLM(대형 언어 모델)에 순차적으로 적용됩니까? 어떤 기술이
콤플렉스를 깨뜨리는가 대규모 언어 모델에 순차적으로 전송되는 작은 하위 작업으로 작업 (LLM)?

답변 목록:
A. 원샷 프롬프트
B. 프롬프트 체인
C. 생각의 나무
D. 검색 증강 생성(RAG)

정답: B

==================================================

=== 문제 169 ===
문제: AI 실무자는 자연어의 정확성을 향상시켜야 합니다. 세대 모델. 이 모델은 빠르게 변화하는 재고 데이터를 사용합니다. 어느 기술이 모델의
정확도를 향상시킬 수 있습니까?

답변 목록:
A. 전이 학습
B. 연합학습
C. 검색 증강 생성(RAG)
D. 원샷 프롬프트

정답: C

==================================================

=== 문제 170 ===
문제: 한 회사에서 여러 연구 기관과 협력하여 AI를 개발하고 싶어합니다. 모델. 회사에는 모델 버전 추적에 대한 표준화된 문서가 필요합니다. 그리고
모델 개발 기록입니다. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. Git을 사용하여 모델 변경 사항을 추적합니다.
B. Amazon Fraud Detector를 사용하여 모델 변경 사항을 추적하십시오.
C. Amazon SageMaker 모델 카드를 사용하여 모델 변경 사항을 추적합니다.
D. Amazon Comprehend를 사용하여 모델 변경 사항을 추적합니다.

정답: C

==================================================

=== 문제 171 ===
문제: 여러 ML 모델을 사용하는 회사는 원본의 변경 사항을 식별하려고 합니다. 회사가 문제를 해결할 수 있도록 모델 품질을 보장합니다. 어떤 AWS
서비스 또는 기능이 이러한 요구 사항을 충족합니까?

답변 목록:
A. Amazon SageMaker JumpStart
B. 아마존 세이지메이커 하이퍼팟
C. Amazon SageMaker 데이터 랭글러
D. Amazon SageMaker 모델 모니터

정답: D

==================================================

=== 문제 172 ===
문제: RAG(검색 증강 생성)에서 청킹의 목적은 무엇입니까? 무엇입니까? RAG(Retrieval Augmented Generation)에서 청킹의
목적은 무엇입니까?

답변 목록:
A. 저장하여 대용량 텍스트 문서의 데이터베이스 저장 제한을 피하려면
텍스트의 일부 또는 덩어리
B. 큰 텍스트를 벡터로 변환할 필요가 없어 효율성이 향상됩니다.
임베딩
C. 벡터에서 검색된 결과의 상황별 관련성을 향상시키기 위해
색인
D. 텍스트의 일부나 덩어리를 저장하여 저장 비용을 줄입니다.

정답: C

==================================================

=== 문제 173 ===
문제: 한 회사에서 생성을 사용하는 편집 보조 애플리케이션을 개발 중입니다. AI. 파일럿 단계에서는 사용량이 낮고 애플리케이션 성능이 좋지 않습니다.
우려. 회사는 애플리케이션이 종료된 후에는 애플리케이션 사용을 예측할 수 없습니다. 완전히 배포되었으며 애플리케이션 비용을 최소화하려고 합니다.
어떤 솔루션이 충족될까요? 이러한 요구 사항은 무엇입니까?

답변 목록:
A. GPU 기반 Amazon EC2 인스턴스를 사용하세요.
B. 프로비저닝된 처리량과 함께 Amazon Bedrock을 사용하십시오.
C. 온디맨드 처리량으로 Amazon Bedrock을 사용하십시오.
D. Amazon SageMaker JumpStart를 사용하세요.

정답: C

==================================================

=== 문제 174 ===
문제: 한 회사가 Amazon에 RAG(Retrieval Augmented Generation) 애플리케이션을 배포했습니다. 매일 뉴스레터로 배포할
금융 뉴스를 수집하는 Bedrock입니다. 사용자 최근 뉴스레터에서 정치적으로 영향을 받은 아이디어를 보고했습니다. 어느 Amazon
Bedrock 가드레일은 이 콘텐츠를 식별하고 필터링할 수 있습니까?

답변 목록:
A. 단어 필터
B. 거부된 주제
C. 민감한 정보 필터
D. 콘텐츠 필터

정답: B

==================================================

=== 문제 175 ===
문제: 금융 회사는 잠재적인 위험을 알려주는 사기 탐지 시스템을 개발하고 있습니다. 신용카드 거래 사기 사건. 직원은 표시된 내용을 평가합니다. 사기
사건. 회사는 직원이 일하는 시간을 최소화하고 싶어합니다. 실제로 사기가 아닌 것으로 표시된 사기 사례를 검토하는 데 시간을 투자합니다. 어느
평가 지표가 이러한 요구 사항을 충족합니까?

답변 목록:
A. 상기하다
B. 정확성
C. 정도
D. 리프트 차트

정답: C

==================================================

=== 문제 176 ===
문제: 한 회사는 다음을 기반으로 고객 문의에 답변하기 위해 AI 기반 에이전트를 설계했습니다. 제품 매뉴얼. 어떤 전략이 고객의 신뢰 수준을 향상시킬
수 있습니까? AI 기반 에이전트의 응답은?

답변 목록:
A. 응답에 신뢰 수준 작성
B. 응답에 참조된 제품 매뉴얼 링크 포함
C. 컴퓨터처럼 보이는 상담원 아바타 디자인
D. 회사의 언어 스타일로 응답하도록 상담원 교육

정답: B

==================================================

=== 문제 177 ===
문제: 맞춤형 진료 제공하는 AI 시스템 개발한 병원 환자를 위한 권장 사항. AI 시스템은 뒤에 있는 이론적 근거를 제공해야 합니다. 권장사항을
제시하고 의사와 환자가 통찰력에 접근할 수 있도록 합니다. 이 시나리오는 어떤 인간 중심 디자인 원칙을 제시합니까?

답변 목록:
A. 설명 가능성
B. 개인 정보 보호 및 보안
C. 공평
D. 데이터 거버넌스

정답: A

==================================================

=== 문제 178 ===
문제: 검색 증강 생성(Retrieval Augmented Generation) 사용의 이점을 나타내는 설명은 무엇입니까? (RAG) 자연어
처리(NLP) 작업을 위한 것인가요? 어떤 진술이 자연어에 RAG(검색 증강 생성) 사용의 이점 처리(NLP) 작업?

답변 목록:
A. RAG는 ​​외부 지식 소스를 사용하여 보다 정확하고
유익한 답변.
B. RAG는 ​​언어 모델 학습 속도를 향상시키도록 설계되었습니다.
C. RAG는 ​​주로 음성 인식 작업에 사용됩니다.
D. RAG는 ​​컴퓨터 비전 작업에서 데이터 증대를 위한 기술입니다.

정답: A

==================================================

=== 문제 179 ===
문제: 한 회사가 기존의 대규모 언어를 미세 조정하여 맞춤형 모델을 만들었습니다. Amazon Bedrock의 모델(LLM)입니다. 회사는 모델을
배포하려고 합니다. 생산하고 모델을 사용하여 매분 일정한 비율로 요청을 처리합니다. 이러한 요구 사항을 가장 비용 효율적으로 충족하는 솔루션은
무엇입니까?

답변 목록:
A. Amazon EC2 컴퓨팅 최적화 인스턴스를 사용하여 모델을 배포합니다.
B. Amazon Bedrock에서 온디맨드 처리량을 갖춘 모델을 사용하십시오.
C. Amazon S3에 모델을 저장하고 AWS Lambda를 사용하여 모델을 호스팅합니다.
D. Amazon Bedrock에서 모델에 대한 프로비저닝된 처리량을 구매합니다.

정답: D

==================================================

=== 문제 180 ===
문제: 라벨이 지정된 데이터 세트에서 AI 모델을 훈련하여 데이터를 조정하는 기술은 무엇입니까? 특정 산업 용어 및 요구 사항에 맞는 모델이 있습니까?
어떤 기술 라벨이 지정된 데이터 세트에서 AI 모델을 훈련하여 특정 모델에 맞게 조정하는 작업이 포함됩니다. 업계 용어 및 요구 사항은
무엇입니까?

답변 목록:
A. 데이터 증대
B. 미세 조정
C. 모델 양자화
D. 지속적인 사전 훈련

정답: B

==================================================

=== 문제 181 ===
문제: 한 회사가 Amazon Bedrock을 사용하여 애플리케이션용 에이전트를 만들고 있습니다. 에이전트. 상담원의 성과는 좋지만 회사는 개선을
원합니다. 몇 가지 구체적인 예를 제공하여 상담사의 정확성을 확인합니다. 어떤 솔루션이 이를 충족합니까? 요구 사항?

답변 목록:
A. 예제를 포함하도록 에이전트의 고급 프롬프트를 수정합니다.
B. 예시가 포함된 에이전트에 대한 가드레일을 생성합니다.
C. Amazon SageMaker Ground Truth를 사용하여 예제에 레이블을 지정합니다.
D. 교육 데이터 세트에 예제를 추가하는 스크립트를 AWS Lambda에서 실행합니다.

정답: A

==================================================

=== 문제 182 ===
문제: 머신에서 코드형 인프라(IaC)를 사용하면 어떤 이점이 있습니까? 학습 작업(MLOps)? 인프라 사용의 이점은 무엇입니까? MLOps(기계
학습 작업)에서 코드(IaC)로 사용하시겠습니까?

답변 목록:
A. IaC를 사용하면 하이퍼파라미터 튜닝이 필요하지 않습니다.
B. IaC는 항상 강력한 컴퓨팅 인스턴스를 프로비저닝하여
보다 정확한 모델을 훈련합니다.
C. IaC는 확장 가능하고 일관된 ML 워크로드 배포를 간소화합니다.
클라우드 환경.
D. IaC는 저비용 인스턴스만 배포하여 전체 비용을 최소화합니다.

정답: C

==================================================

=== 문제 183 ===
문제: 한 회사는 기초 모델(FM)을 미세 조정하여 다음과 같은 질문에 답하려고 합니다. 특정 도메인. 회사에서는 지시 기반의 미세 조정을 사용하려고
합니다. 어떻게 회사는 훈련 데이터를 준비해야 합니까?

답변 목록:
A. 회사 내부 문서와 산업별 자료를 수집하세요. 병합
문서와 자료를 하나의 파일로 묶습니다.
B. 다양한 온라인 소스에서 외부 회사 리뷰를 수집합니다. 수동으로 라벨 지정
각 리뷰는 긍정적이거나 부정적입니다.
C. 특히 주제를 다루는 질문과 답변 쌍을 만듭니다.
회사의 산업 영역과 관련이 있습니다.
D. 모델이 도메인에만 응답하도록 지시하는 몇 번의 프롬프트를 만듭니다.
지식.

정답: C

==================================================

=== 문제 184 ===
문제: AI 모델을 훈련할 때 데이터 규정 준수 및 개인정보 보호를 보장하는 ML 기술은 무엇인가요? AWS에서? AI 교육 시 데이터 규정 준수 및
개인정보 보호를 보장하는 ML 기술은 무엇인가요? AWS의 모델?

답변 목록:
A. 강화 학습
B. 전이 학습
C. 연합학습
D. 비지도 학습

정답: C

==================================================

=== 문제 185 ===
문제: HOTSPOT - 회사는 Amazon Bedrock에서 호스팅되는 기본 모델을 사용자 정의해야 합니다. 다음 회사 요구 사항 목록에서 올바른
모델 사용자 정의 방법을 선택하십시오. 각 모델 사용자 정의 방법은 한 번 이상 선택해야 합니다

정답:

==================================================

=== 문제 186 ===
문제: 제조 회사에는 소비자 불만 사항을 수집하는 애플리케이션이 있습니다. 공개적으로 사용 가능한 소스. 애플리케이션은 복잡한 하드 코딩된 논리를
사용하여 불만 사항을 처리합니다. 회사는 이 논리를 시장 전반에 걸쳐 확장하고 싶어합니다. 제품 라인. 이 시나리오에서 생성 AI 모델은 어떤
이점을 제공합니까?

답변 목록:
A. 출력 예측 가능성
B. 적응성
C. 입력 변화에 대한 민감도 감소
D. 설명 가능성

정답: B

==================================================

=== 문제 187 ===
문제: 금융 회사는 모든 신용 카드 활동을 가능한 것으로 표시하려고 합니다. 거래 데이터를 기반으로 사기성 또는 비사기성. ML 모델 유형 이러한 요구
사항을 충족합니까?

답변 목록:
A. 회귀
B. 확산
C. 이진 분류
D. 다중 클래스 분류

정답: C

==================================================

=== 문제 188 ===
문제: HOTSPOT - 한 회사가 미세 조정된 LLM(대형 언어 모델)을 사용하여 고객 서비스 챗봇을 설계하고 있습니다. 회사는 챗봇이 책임감 있는
AI 특성을 사용하도록 하고 싶어합니다. 각 애플리케이션 설계 작업에 대해 다음 목록에서 올바른 책임 있는 AI 특성을 선택하세요. 각각의 담당
AI 특성은 한 번만 선택하거나 전혀 선택하지 않아야 합니다.

정답: 

==================================================

=== 문제 189 ===
문제: 병원에서는 음성-텍스트 변환 기능이 있는 생성 AI 솔루션을 사용하려고 합니다. 임상 메모를 받아쓰는 직원의 기술을 향상시키는 데 도움이 되는
기능입니다. 어느 AWS 서비스가 이러한 요구 사항을 충족합니까?

답변 목록:
A. 아마존 Q 개발자
B. 아마존 폴리
C. 아마존 인식
D. AWS 헬스스크라이브

정답: D

==================================================

=== 문제 190 ===
문제: 어떤 유형의 AI 모델이 수치 예측을 합니까? 어떤 유형의 AI 모델이 숫자 예측?

답변 목록:
A. 확산
B. 회귀
C. 변신 로봇
D. 다중 모드

정답: B

==================================================

=== 문제 191 ===
문제: HOTSPOT - 회사는 다양한 사용 사례에 Amazon SageMaker 기능을 사용하려고 합니다. 각 사용 사례에 대해 다음 목록에서 올바른
SageMaker 기능을 선택하십시오. 각 SageMaker 기능은 한 번만 선택하거나 전혀 선택하지 않아야 합니다.

정답: 

==================================================

=== 문제 192 ===
문제: LLM(대형 언어 모델)에서 벡터 임베딩의 목적은 무엇입니까? 무엇 LLM(대형 언어 모델)에서 벡터 임베딩의 목적은 무엇입니까?

답변 목록:
A. 텍스트를 관리 가능한 데이터 조각으로 분할
B. 단일 단위로 처리할 문자 집합을 그룹화
C. 텍스트를 수학적으로 비교하는 기능 제공
D. 입력의 모든 단어 수 제공

정답: C

==================================================

=== 문제 193 ===
문제: 회사에서는 AWS 서비스를 사용하여 기초 모델(FM)을 세부적으로 조정하려고 합니다. 는 회사는 데이터가 비공개적이고 안전하게 유지되도록 해야
합니다. 데이터가 저장되는 소스 AWS 리전입니다. 어떤 단계 조합이 충족되나요? 이러한 요구 사항이 가장 비용 효율적입니까? (2개 선택)
BC BC

답변 목록:
A. AWS Outposts를 사용하여 온프레미스에서 모델을 호스팅합니다.
B. Amazon Bedrock API를 사용하세요.
C. AWS PrivateLink 및 VPC를 사용합니다.
D. 온프레미스에서 Amazon Bedrock API를 호스팅합니다.
E. Amazon CloudWatch 로그 및 지표를 사용합니다.

정답: BC

==================================================

=== 문제 194 ===
문제: 한 금융 회사는 AWS를 사용하여 생성 AI 모델을 호스팅합니다. 회사는 반드시 취급에 대한 국제 규정 준수를 보여주는 보고서 생성 민감한 고객
데이터. 이러한 요구 사항을 충족하는 AWS 서비스는 무엇입니까?

답변 목록:
A. 아마존 메이시
B. AWS 아티팩트
C. AWS 비밀 관리자
D. AWS 구성

정답: B

==================================================

=== 문제 195 ===
문제: 의료 회사는 현장 정보 처리를 현대화하려고 합니다. 신청. 이 회사는 생성 AI를 활용하여 의료 대응을 원합니다. 환자들의 질문. 보장하기 위해
회사는 어떤 AWS 서비스를 사용해야 합니까? 애플리케이션에 대한 책임을 지는 AI?

답변 목록:
A. Amazon Bedrock용 가드레일
B. 아마존 인스펙터
C. 아마존 인식
D. AWS 신뢰 고문

정답: A

==================================================

=== 문제 196 ===
문제: 기초 모델(FM)의 성능을 평가하는 데 사용되는 측정항목은 무엇입니까? 텍스트 요약 작업? 성능을 평가하는 데 사용되는 측정항목은 무엇인가요?
텍스트 요약 작업을 위한 기초 모델(FM)이 있습니까?

답변 목록:
A. F1 점수
B. 이중 언어 평가 언더스터디(BLEU) 점수
C. 정확성
D. 평균 제곱 오차(MSE)

정답: B

==================================================

=== 문제 197 ===
문제: 기초 모델(FM)을 미세 조정하면 어떤 이점이 있나요? 이점은 무엇입니까 기초 모델(FM)을 미세 조정하는 방법은 무엇입니까?

답변 목록:
A. 미세 조정을 통해 FM의 크기와 복잡성이 줄어들고 FM의 속도가 느려집니다.
추론.
B. 미세 조정은 특정 교육 데이터를 사용하여 FM을 처음부터 다시 교육합니다.
특정 사용 사례에 맞게 조정합니다.
C. 미세 조정은 FM을 사전 훈련하여 FM의 지식을 최신 상태로 유지합니다.
더 최근 데이터.
D. 미세 조정은 특정 작업에 대한 FM 성능을 더욱 향상시킵니다.
새로운 라벨이 붙은 데이터에 대해 FM을 훈련시킵니다.

정답: D

==================================================

=== 문제 198 ===
문제: 회사는 회사의 요구 사항에 맞게 챗봇의 응답을 개선하려고 합니다. 원하는 톤. 회사는 100가지의 고품질 대화 사례를 보유하고 있습니다. 고객
서비스 상담원 및 고객. 회사는 이 데이터를 다음 용도로 사용하려고 합니다. 회사 분위기를 챗봇의 응답에 통합합니다. 어떤 솔루션이 충족되나요?
이러한 요구 사항은 무엇입니까?

답변 목록:
A. Amazon Personalize를 사용하여 응답을 생성하십시오.
B. Amazon SageMaker HyperPod 사전 훈련 작업을 생성합니다.
C. Amazon SageMaker를 사용하여 모델을 호스팅합니다. 대규모 언어에는 TensorRT 사용
모델(LLM) 배포.
D. Amazon Bedrock 미세 조정 작업을 생성합니다.

정답: D

==================================================

=== 문제 199 ===
문제: 전자상거래 회사는 챗봇을 사용하여 고객 주문을 자동화하고 있습니다. 제출 과정. 챗봇은 AI로 구동되며 고객이 사용할 수 있습니다. 연중무휴
24시간 회사 웹사이트에서 직접 확인할 수 있습니다. 어떤 옵션 회사가 사전에 해결해야 할 AI 시스템 입력 취약점입니다. 챗봇이 가능해졌나요?

답변 목록:
A. 데이터 유출
B. 신속한 주입
C. LLM(대형 언어 모델) 환각
D. 컨셉 드리프트

정답: B

==================================================

=== 문제 200 ===
문제: 소셜 미디어 회사는 사용자가 차별적인 게시물을 게시하는 것을 방지하려고 합니다. 회사 지원서의 내용. 회사는 Amazon Bedrock을 다음과
같이 사용하려고 합니다. 솔루션의 일부. 회사는 이러한 요구 사항을 충족하기 위해 Amazon Bedrock을 어떻게 사용할 수 있습니까? 요구
사항?

답변 목록:
A. 사용자에게 사용자 기본 설정에 따라 상호 작용할 수 있는 기능을 제공합니다.
B. 사전 정의된 주제와 관련된 상호 작용을 차단합니다.
C. 사용자 대화를 미리 정의된 주제로 제한합니다.
D. 사용자 참여를 위해 선택할 수 있는 다양한 응답을 제공합니다.

정답: B

==================================================

=== 문제 201 ===
문제: 교육회사 와프션입니다. 이 애플리케이션은 사용자에게 다음과 같은 기능을 제공합니다. 텍스트를 입력하거나 질문의 사진을 제공하세요. 애플리케이션은
다음과 같이 응답합니다. 서면 답변 및 서면 답변에 대한 설명. 어떤 모델 유형 이러한 요구 사항을 충족합니까?

답변 목록:
A. 컴퓨터 비전 모델
B. 대규모 다중 모달 언어 모델
C. 확산 모델
D. 텍스트 음성 변환 모델

정답: B

==================================================

=== 문제 202 ===
문제: 생성적 AI 모델 수명주기의 어느 단계에서 테스트가 수행됩니까? 모델의 정확성을 조사하시겠습니까? 생성 AI 모델의 어느 단계에 있는가? 모델의
정확성을 조사하기 위해 라이프사이클 테스트가 수행됩니까?

답변 목록:
A. 전개
B. 데이터 선택
C. 미세 조정
D. 평가

정답: D

==================================================

=== 문제 203 ===
문제: 생성 AI의 임베딩을 올바르게 설명하는 설명은 무엇입니까? 어떤 진술 생성적 AI의 임베딩을 올바르게 설명합니까?

답변 목록:
A. 임베딩은 의미를 포착하는 고차원 벡터로 데이터를 나타냅니다.
관계.
B. 임베딩은 데이터를 검색하여 가장 유용한 정보를 찾는 기술입니다.
자연어 질문에 답하기 위한 정보.
C. 임베딩은 더 적은 양을 사용하여 모델의 하드웨어 요구 사항을 줄입니다.
가중치와 활성화에 대한 정확한 데이터 유형.
D. 임베딩은 생성 AI용 데이터를 저장하고 검색하는 기능을 제공합니다.
응용 프로그램.

정답: A

==================================================

=== 문제 204 ===
문제: 한 회사는 다음과 같이 애플리케이션에 생성 AI 기능을 추가하려고 합니다. LLM(대형 언어 모델)을 통합합니다. LLM의 응답은 다음과 같아야
합니다. 결정적이고 최대한 안정적입니다. 어떤 솔루션이 이를 충족합니까? 요구 사항?

답변 목록:
A. 온도 매개변수를 자동으로 0으로 설정하도록 애플리케이션을 구성합니다.
LLM에 프롬프트를 제출할 때.
B. "응답하십시오"를 자동으로 추가하도록 애플리케이션을 구성하십시오.
LLM에 프롬프트를 제출하기 전에 프롬프트 끝에 "결정론적"을 입력하세요.
C. "응답하십시오"를 자동으로 추가하도록 애플리케이션을 구성하십시오.
프롬프트를 제출하기 전에 프롬프트 시작 부분에 "결정론적"을 입력합니다.
LLM.
D. 온도 매개변수를 자동으로 1로 설정하도록 애플리케이션을 구성합니다.
LLM에 프롬프트를 제출할 때.

정답: A

==================================================

=== 문제 205 ===
문제: 회사는 애플리케이션을 구축하기 위해 생성적 AI 모델을 선택해야 합니다. 는 애플리케이션은 실시간으로 사용자에게 응답을 제공해야 합니다. 어떤
모델 회사는 이러한 요구 사항을 충족하기 위해 특성을 고려해야 합니까?

답변 목록:
A. 모델 복잡성
B. 혁신 속도
C. 추론 속도
D. 훈련시간

정답: C

==================================================

=== 문제 206 ===
문제: 다음과 같이 기초 모델(FM)에 제공되는 지침을 나타내는 용어는 무엇입니까? FM이 질문에 더 정확한 답변을 제공합니까? 어떤 용어가 다음을
가리키는지 FM이 더 많은 기능을 제공하도록 기초 모델(FM)에 지침이 제공됩니다. 질문에 대한 정확한 답변은?

답변 목록:
A. 즉각적인
B. 방향
C. 대화
D. 번역

정답: A

==================================================

=== 문제 207 ===
문제: 한 소매 회사가 고객에게 제품을 추천하기 위해 ML 모델을 구축하려고 합니다. 회사는 책임 있는 관행을 기반으로 모델을 구축하기를 원합니다.
어느 모델 편향을 줄이기 위해 데이터를 수집할 때 기업이 관행을 적용해야 합니까?

답변 목록:
A. 회사의 인구통계와 일치하는 고객의 데이터만 사용하세요.
전반적인 고객 기반.
B. 과거 구매 이력이 있는 고객으로부터 데이터를 수집합니다.
C. 데이터가 균형을 이루고 다양한 그룹에서 수집되었는지 확인하세요.
D. 데이터가 공개적으로 사용 가능한 데이터세트에서 나온 것인지 확인하세요.

정답: C

==================================================

=== 문제 208 ===
문제: 한 회사에서 고객 이탈을 예측하기 위해 ML 모델을 개발하고 있습니다. 어떤 평가 메트릭은 다음과 같은 이진 분류 작업에서 모델의 성능을
평가합니다. 이탈을 예측하는 것인가요?

답변 목록:
A. F1 점수
B. 평균 제곱 오차(MSE)
C. R 제곱
D. 모델 학습에 사용된 시간

정답: A

==================================================

=== 문제 209 ===
문제: AI 실무자가 Amazon SageMaker 모델의 성능을 평가하고 있습니다. AI 실무자는 성능 지표를 선택해야 합니다. 측정항목은 다음을
표시해야 합니다. 전체 항목 수에 대한 올바르게 분류된 항목 수의 비율 올바르게 분류된 항목과 잘못 분류된 항목. 어떤 측정항목이 이를
충족하나요? 요구 사항?

답변 목록:
A. 정확성
B. 정도
C. F1 점수
D. 상기하다

정답: A

==================================================

=== 문제 210 ===
문제: 전자상거래 회사는 매일 수 기가바이트의 고객 데이터를 받습니다. 는 회사는 데이터를 사용하여 ML 모델을 교육하여 미래 제품 수요를 예측합니다.
회사에는 매일 한 번씩 추론을 수행할 수 있는 솔루션이 필요합니다. 어느 추론 유형이 이러한 요구 사항을 충족합니까?

답변 목록:
A. 일괄 추론
B. 비동기 추론
C. 실시간 추론
D. 서버리스 추론

정답: A

==================================================

=== 문제 211 ===
문제: 한 회사는 고객 세분화를 위한 생성적 AI 모델을 개발했습니다. 는 모델은 오랫동안 회사의 생산 환경에 배포되었습니다. 회사는 최근 모델의
반응에서 일부 불일치를 발견했습니다. 는 회사는 모델 편향과 드리프트를 평가하려고 합니다. AWS 서비스 또는 기능 이러한 요구 사항을
충족합니까?

답변 목록:
A. Amazon SageMaker 모델 모니터
B. Amazon SageMaker 명확화
C. Amazon SageMaker 모델 카드
D. Amazon SageMaker 피처 스토어

정답: A

==================================================

=== 문제 212 ===
문제: 한 회사가 애플리케이션 구축을 위해 Amazon Bedrock 액세스에 등록했습니다. 는 회사는 Amazon에서 사용 가능한 특정 모델에 대한
직원 액세스를 제한하려고 합니다. 기반암. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. AWS Identity and Access Management(IAM) 정책을 사용하여 모델 제한
입장.
B. AWS Security Token Service(AWS STS)를 사용하여 임시 자격 증명 생성
모델용.
C. AWS Identity and Access Management(IAM) 서비스 역할을 사용하여 모델 제한
신청.
D. Amazon Inspector를 사용하여 모델 액세스를 모니터링합니다.

정답: A

==================================================

=== 문제 213 ===
문제: 올바른 출력으로 라벨이 지정된 학습 데이터를 사용하는 ML 기술은 무엇입니까? 가치? 올바른 레이블이 지정된 학습 데이터를 사용하는 ML 기술은
무엇입니까? 출력값?

답변 목록:
A. 지도 학습
B. 비지도 학습
C. 강화 학습
D. 전이 학습

정답: A

==================================================

=== 문제 214 ===
문제: 다음으로 가능한 언어 수를 제어하는 LLM(대형 언어 모델) 매개변수는 무엇입니까? 텍스트 생성 프로세스의 각 단계에서 고려되는 단어 또는
토큰은 무엇입니까? 어느 LLM(대형 언어 모델) 매개변수는 가능한 다음 단어 수를 제어합니다. 또는 텍스트 생성 프로세스의 각 단계에서
고려되는 토큰은 무엇입니까?

답변 목록:
A. 최대 토큰
B. 탑K
C. 온도
D. 배치 크기

정답: B

==================================================

=== 문제 215 ===
문제: 한 회사에서 챗봇을 만들고 있습니다. 챗봇은 Amazon Lex 및 Amazon OpenSearch를 사용합니다. 서비스. 챗봇은 회사의 개인
데이터를 사용하여 질문에 답변합니다. 는 회사는 저장하기 전에 데이터를 벡터 표현으로 변환해야 합니다. 데이터베이스의 데이터. 어떤 유형의 기초
모델(FM)이 이러한 조건을 충족합니까? 요구 사항?

답변 목록:
A. 텍스트 완성 모델
B. 모델에 따른 지침
C. 텍스트 임베딩 모델
D. 이미지 생성 모델

정답: C

==================================================

=== 문제 216 ===
문제: 회사에서는 LLM(대형 언어 모델)을 사용하여 제품을 생성하려고 합니다. 설명. 회사는 모델 예시 설명을 제공하고 싶어합니다. 형식을 따릅니다.
설명을 생성하는 프롬프트 엔지니어링 기술은 무엇입니까? 형식과 일치하나요?

답변 목록:
A. 제로샷 프롬프트
B. 일련의 사고 유도
C. 원샷 프롬프트
D. 퓨샷 프롬프트

정답: D

==================================================

=== 문제 217 ===
문제: 한 은행은 지원을 위해 Amazon Bedrock에서 LLM(대형 언어 모델)을 미세 조정하고 있습니다. 대출에 관해 질문이 있는 고객. 은행은
다음 사항을 보장하고 싶어합니다. 모델은 개인 고객 데이터를 공개하지 않습니다. 이를 충족하는 솔루션 요구 사항?

답변 목록:
A. Amazon Bedrock Guardrails를 사용하십시오.
B. 고객 데이터에서 개인 식별 정보(PII)를 제거합니다.
LLM을 미세 조정하기 전에.
C. LLM의 Top-K 매개변수를 늘립니다.
D. Amazon S3에 고객 데이터를 저장합니다. 미세 조정하기 전에 데이터를 암호화하십시오.
LLM.

정답: A

==================================================

=== 문제 218 ===
문제: 식료품점에서는 고객이 매장에서 제품을 찾는 데 도움이 되는 챗봇을 만들고 싶어합니다. 상점. 챗봇은 실시간으로 재고를 확인하고 상품을 제공해야
합니다. 매장 내 위치. 매장에서는 어떤 신속한 엔지니어링 기법을 사용해야 할까요? 챗봇을 만들려면?

답변 목록:
A. 제로샷 프롬프트
B. 퓨샷 프롬프트
C. 최소에서 최대로 유도
D. 추론 및 행동(ReAct) 유도

정답: D

==================================================

=== 문제 219 ===
문제: 한 회사는 Amazon Bedrock의 타사 모델을 사용하여 기밀 정보를 분석합니다. 문서. 회사는 데이터 개인정보 보호에 대해 우려하고
있습니다. 어떤 진술 Amazon Bedrock이 데이터 개인 정보를 보호하는 방법을 설명합니까?

답변 목록:
A. 사용자 입력 및 모델 출력은 익명화되어 제3자와 공유됩니다.
모델 제공자.
B. 사용자 입력 및 모델 출력은 타사 모델과 공유되지 않습니다.
공급자.
C. 사용자 입력은 기밀로 유지되지만 모델 출력은 제3자와 공유됩니다.
파티 모델 제공업체.
D. 입력 및 출력이 수정되기 전에 사용자 입력 및 모델 출력이 수정됩니다.
타사 모델 제공업체와 공유됩니다.

정답: B

==================================================

=== 문제 220 ===
문제: 한 애니메이션 회사에서 콘텐츠에 대한 자막을 제공하려고 합니다. 어느 AWS 서비스가 이 요구 사항을 충족합니까?

답변 목록:
A. 아마존 컴프리헨드
B. 아마존 폴리
C. 아마존 트랜스크라이브
D. 아마존 번역

정답: C

==================================================

=== 문제 221 ===
문제: 전자상거래 회사는 구매 내역을 기준으로 고객을 그룹화하려고 합니다. 회사 애플리케이션의 사용자 경험을 개인화하기 위한 기본 설정. 회사는 어떤
ML 기술을 사용해야 합니까?

답변 목록:
A. 분류
B. 클러스터링
C. 회귀
D. 콘텐츠 생성

정답: B

==================================================

=== 문제 222 ===
문제: 회사는 공개적으로 이용 가능한 재단에 대한 직원의 액세스를 제어하려고 합니다. 모델(FM). 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. AWS Cost Explorer에서 비용 및 사용 보고서를 분석합니다.
B. AWS Artifact에서 AWS 보안 및 규정 준수 문서를 다운로드하십시오.
C. 검색 가능한 FM을 제한하도록 Amazon SageMaker JumpStart를 구성합니다.
D. Amazon OpenSearch Service를 사용하여 하이브리드 검색 솔루션을 구축하십시오.

정답: C

==================================================

=== 문제 223 ===
문제: 한 회사는 고객 서비스 팀이 처리할 수 있도록 번역 도구를 설정했습니다. 전 세계 고객의 문제. 회사는 평가를 원한다. 번역 도구의 성능.
회사는 병렬 데이터 프로세스를 설정합니다. 도구의 응답을 실제 인간의 응답과 비교합니다. 둘 다 응답 세트는 동일한 문서 세트에서 생성됩니다.
어떤 전략 회사는 번역 도구를 평가하는 데 사용해야 합니까?

답변 목록:
A. BLEU(이중 언어 평가 언더스터디) 점수를 사용하여 절대적인 평가를 추정합니다.
두 가지 방법의 번역 품질.
B. BLEU(이중 언어 평가 언더스터디) 점수를 사용하여 상대 평가
두 가지 방법의 번역 품질.
C. BERTScore를 사용하여 두 번역의 절대적인 번역 품질을 추정하세요.
행동 양식.
D. BERTScore를 사용하여 두 번역의 상대적 번역 품질을 추정합니다.
행동 양식.

정답: B

==================================================

=== 문제 224 ===
문제: AI 실무자는 더 다양하고 창의적인 결과물을 생성하기를 원합니다. LLM(대형 언어 모델). AI 실무자는 어떻게 조정해야합니까? 추론
매개변수?

답변 목록:
A. 온도 값을 높이십시오.
B. 상위 K 값을 줄입니다.
C. 응답 길이를 늘리세요.
D. 프롬프트 길이를 줄이세요.

정답: A

==================================================

=== 문제 225 ===
문제: 한 회사에서 맞춤형 컴퓨터 비전 모델을 개발했습니다. 회사에는 사용자가 필요합니다. 새로운 실제 데이터에 대한 모델 실수를 최소화하기 위한
데이터 라벨링을 위한 친숙한 인터페이스 세계 데이터. 이러한 요구 사항을 충족하는 AWS 서비스, 기능 또는 도구는 무엇입니까?

답변 목록:
A. Amazon SageMaker Ground Truth
B. Amazon SageMaker 캔버스
C. 아마존 베드락 놀이터
D. Amazon Bedrock 에이전트

정답: A

==================================================

=== 문제 226 ===
문제: 한 회사가 AI를 직원 채용 및 채용 솔루션에 통합하고 있습니다. 회사는 편견 위험을 완화하고 책임감 있는 AI 관행을 보장하기를 원합니다.
공평한 채용 결정을 우선시합니다. 어떤 핵심 차원 책임 있는 AI를 회사가 고려해야 할까요? (2개 선택) AE AE

답변 목록:
A. 공평
B. 용인
C. 유연성
D. 오픈 소스
E. 투명도

정답: AE

==================================================

=== 문제 227 ===
문제: 한 금융 회사는 고객 이탈을 예측하기 위해 ML 모델을 배포했습니다. 는 모델은 1주일 동안 생산에 들어갔습니다. 회사에서 평가하고 싶어 실제
고객 행동과 비교하여 모델이 이탈을 얼마나 정확하게 예측하는지입니다. 이러한 요구 사항을 충족하는 측정항목은 무엇인가요?

답변 목록:
A. RMSE(제곱평균제곱오차)
B. 투자수익률(ROI)
C. F1 점수
D. 이중 언어 평가 언더스터디(BLEU) 점수

정답: C

==================================================

=== 문제 228 ===
문제: 회사에는 사전 학습된 기반을 사용하는 생성적 AI 애플리케이션이 있습니다. Amazon Bedrock의 모델(FM). 회사는 FM에 더 많은
맥락이 포함되기를 원합니다. 회사정보를 이용하여 이러한 요구 사항을 가장 비용 효율적으로 충족하는 솔루션은 무엇입니까? 효과적으로?

답변 목록:
A. Amazon Bedrock 기술 자료를 사용하세요.
B. Amazon Bedrock에서 다른 FM을 선택하십시오.
C. Amazon Bedrock 에이전트를 사용하세요.
D. Amazon Bedrock에 사용자 지정 모델을 배포합니다.

정답: A

==================================================

=== 문제 229 ===
문제: HOTSPOT - 한 회사가 Amazon SageMaker를 사용하여 AI 모델을 개발하고 있습니다. AI 모델 수명 주기 워크플로의 각 단계에
대해 다음 목록에서 올바른 SageMaker 기능 또는 리소스를 선택하십시오. 각 SageMaker 기능이나 리소스는 한 번만 선택하거나 전혀
선택하지 않아야 합니다.

정답: 

==================================================

=== 문제 230 ===
문제: 한 요식업 회사가 고객 음식을 예측하기 위해 데이터 세트를 수집하려고 합니다. 환경 설정. 회사는 모든 사람의 음식 선호도를 보장하기를
원합니다. 인구통계가 데이터에 포함됩니다. 어떤 데이터 세트 특성이 이를 수행합니까? 시나리오가 있나요?

답변 목록:
A. 정확성
B. 다양성
C. 최신 편향
D. 신뢰할 수 있음

정답: B

==================================================

=== 문제 231 ===
문제: 한 회사에서 인사에 관한 질문에 답하는 챗봇을 만들고 싶어합니다. 정책. 이 회사는 LLM(Large Language Model)을 사용하고
있으며, 디지털 문서 기반. 회사는 최적화를 위해 어떤 기술을 사용해야 합니까? 생성된 응답은 무엇입니까?

답변 목록:
A. 검색 증강 생성(RAG)을 사용합니다.
B. 몇 번의 메시지를 사용하세요.
C. 온도를 1로 설정합니다.
D. 토큰 크기를 줄이세요.

정답: A

==================================================

=== 문제 232 ===
문제: 한 교육 회사에서 청소년을 대상으로 하는 챗봇을 구축하고 있습니다. 회사는 맞춤형 LLM(대형 언어 모델)을 교육하고 있습니다. 회사가 원하는
크리에이티브를 활용하여 타겟 고객의 언어 스타일로 말하는 챗봇 철자와 단축어. LLM의 성과를 평가하는 척도는 무엇입니까?

답변 목록:
A. F1 점수
B. BERT점수
C. 요점 평가를 위한 회상 중심 연구(ROUGE)
D. 이중 언어 평가 언더스터디(BLEU) 점수

정답: B

==================================================

=== 문제 233 ===
문제: 고객 서비스 팀이 고객을 분석하는 애플리케이션을 개발하고 있습니다. 피드백을 자동으로 다양한 카테고리로 분류합니다. 는 카테고리에는 제품 품질,
고객 서비스, 배송 경험이 포함됩니다. 이 시나리오는 어떤 A1 개념을 제시합니까?

답변 목록:
A. 컴퓨터 비전
B. 자연어 처리(NLP)
C. 추천 시스템
D. 사기 탐지

정답: B

==================================================

=== 문제 234 ===
문제: 금융 서비스 회사는 생성적 AI 기반 챗봇이 규제 준수에 대한 사실적인 답변을 제공합니다. 어떤 솔루션이 이를 방지하는가? 환각의 기본 기초
모델(FM)은 무엇입니까?

답변 목록:
A. AWS Config를 사용하면 자연어를 통해 규정 준수 메타데이터를 쿼리할 수 있습니다.
B. 사용자 입력 및 모델을 평가하도록 Amazon Bedrock Guardrails 구성
응답.
C. Amazon Fraud Detector를 사용하여 잠재적인 사기 온라인 활동을 탐지하십시오.
D. AWS Audit Manager를 사용하여 IT 감사 및 규정 준수 보고서를 준비하십시오.

정답: B

==================================================

=== 문제 235 ===
문제: HOTSPOT - 한 회사는 생성 AI를 사용하여 샘플 이미지, 슬로건 등 제품 광고용 콘텐츠를 제작하는 솔루션을 개발하려고 합니다. 각 작업에
대해 다음 목록에서 올바른 모델 유형을 선택하세요. 각 모델 유형은 한 번만 선택해야 합니다. 

정답:

==================================================

=== 문제 236 ===
문제: 한 회사에서 여러 ML 모델을 만들었습니다. 회사에서는 이에 대한 솔루션이 필요합니다. 모델을 저장, 관리 및 버전 관리합니다. 어떤 AWS
서비스 또는 기능이 충족되나요? 이러한 요구 사항은 무엇입니까?

답변 목록:
A. AWS 감사 관리자
B. Amazon SageMaker 모델 모니터
C. Amazon SageMaker 모델 레지스트리
D. Amazon SageMaker 캔버스

정답: C

==================================================

=== 문제 237 ===
문제: AI 실무자가 ML 모델을 구축하고 있습니다. AI 실무자가 제공하고 싶은 것 모델의 투명성과 이해관계자에 대한 설명 가능성. 어떤 솔루션이
충족될까요? 이러한 요구 사항은 무엇입니까?

답변 목록:
A. 모델 Shapley 값을 제시합니다.
B. 모델 정확도 측정값을 제공합니다.
C. 모델 혼동 행렬을 제공합니다.
D. 안전한 모델 추론 엔드포인트를 제공하세요.

정답: A

==================================================

=== 문제 238 ===
문제: 한 회사에서 ML 애플리케이션을 개발 중입니다. 응용 프로그램은 자동으로 유사한 고객과 제품을 특성에 따라 그룹화합니다. 어느 ML 회사는
이러한 요구 사항을 충족하기 위해 전략을 사용해야 합니까? 회사는 ML 애플리케이션 개발. 애플리케이션은 유사한 항목을 자동으로 그룹화해야
합니다. 고객과 제품의 특성에 따라. 어떤 ML 전략을 사용해야 할까요? 회사는 이러한 요구 사항을 충족하기 위해 사용합니까?

답변 목록:
A. 비지도 학습
B. 지도 학습
C. 강화 학습
D. 준지도 학습

정답: A

==================================================

=== 문제 239 ===
문제: 한 통신사가 영어로 기사를 발행합니다. 소속사는 기사를 만들고 싶어한다 다른 언어로도 이용 가능합니다. 이러한 요구 사항을 충족하는 솔루션은
무엇입니까?

답변 목록:
A. 회사 웹사이트에 Amazon Transcribe를 추가합니다.
B. Amazon Translate 실시간 번역 기능을 사용하십시오.
C. 회사 웹사이트에 Amazon Personalize를 추가합니다.
D. Amazon Textract 실시간 문서 처리 기능을 사용하십시오.

정답: B

==================================================

=== 문제 240 ===
문제: 은행은 은행 개설에 관한 고객 질문에 답변하기 위해 챗봇을 구축하고 있습니다. 계정. 챗봇은 공공 은행 문서를 사용하여 응답을 생성합니다. 는
회사는 Amazon Bedrock과 신속한 엔지니어링을 사용하여 챗봇을 개선할 것입니다. 응답. 이러한 요구 사항을 충족하는 프롬프트 엔지니어링
기술은 무엇입니까?

답변 목록:
A. 복잡성 기반 프롬프트
B. 제로샷 프롬프트
C. 퓨샷 프롬프트
D. 방향 자극 프롬프트

정답: C

==================================================

=== 문제 241 ===
문제: 한 회사가 Amazon Bedrock에서 호스팅되는 ML 모델을 세부적으로 조정하려고 합니다. 는 회사는 개인 데이터베이스에 저장된 자체 민감한
데이터를 사용하려고 합니다. VPC에서. 데이터는 회사의 개인 네트워크 내에 있어야 합니다. 어느 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. AWS ID 및 액세스를 사용하여 Amazon Bedrock에 대한 액세스를 제한합니다.
관리(IAM) 서비스 역할.
B. AWS ID 및 액세스를 사용하여 Amazon Bedrock에 대한 액세스를 제한합니다.
관리(IAM) 리소스 정책.
C. AWS PrivateLink를 사용하여 VPC와 Amazon Bedrock을 연결합니다.
D. AWS Key Management Service(AWS KMS) 키를 사용하여 데이터를 암호화합니다.

정답: C

==================================================

=== 문제 242 ===
문제: 한 다큐멘터리 영화제작자는 더 많은 시청자에게 다가가고 싶어합니다. 영화감독이 하고 싶은 말 여러 언어로 된 자막과 음성 해설을 자동으로
추가합니다. 영화. 이러한 요구 사항을 충족하는 단계 조합은 무엇입니까? (2개 선택) AC 교류

답변 목록:
A. Amazon Transcribe 및 Amazon Translate를 사용하여 다른 언어로 자막 생성
언어.
B. Amazon Textract 및 Amazon Translate를 사용하여 다른 언어로 자막을 생성하세요.
언어.
C. Amazon Polly를 사용하여 다른 언어로 음성 해설을 생성합니다.
D. Amazon Translate를 사용하여 다른 언어로 음성 해설을 생성합니다.
E. Amazon Textract를 사용하여 다른 언어로 음성 해설을 생성합니다.

정답: AC

==================================================

=== 문제 243 ===
문제: 회사는 회사에 대한 직원의 질문에 답하기 위해 챗봇을 만들고 싶어합니다. 정책. 회사 정책은 자주 업데이트됩니다. 챗봇은 다음 사항을 반영해야
합니다. 거의 실시간으로 변경됩니다. 회사는 대규모 언어 모델을 선택하고 싶어합니다. (LLM). 이러한 요구 사항을 충족하는 솔루션은
무엇입니까?

답변 목록:
A. Amazon SageMaker를 사용하여 회사 정책 텍스트에 대한 LLM을 미세 조정합니다.
B. 애플리케이션을 구축하려면 Amazon Bedrock에서 기초 모델(FM)을 선택하세요.
C. Amazon을 사용하여 검색 증강 생성(RAG) 워크플로 생성
기반암 기술 자료.
D. Amazon Q Business를 사용하여 맞춤형 Q App을 구축하세요.

정답: C

==================================================

=== 문제 244 ===
문제: 한 회사는 지도 학습을 사용하여 작은 라벨이 붙은 AI 모델을 훈련시키고 있습니다. 대상 작업과 관련된 데이터 세트입니다. 기초 모델의 어느
단계 (FM) 라이프사이클이 이를 설명합니까?

답변 목록:
A. 미세 조정
B. 데이터 선택
C. 사전 훈련
D. 평가

정답: A

==================================================

=== 문제 245 ===
문제: HOTSPOT - 한 회사가 개인 대출을 승인하거나 거부하는 데 도움이 되는 AI 애플리케이션을 개발하고 있습니다. 애플리케이션은 책임 있는
AI의 원칙을 따라야 합니다. 각 작업에 대해 다음 목록에서 올바른 책임 있는 AI 원칙을 선택하세요. 각 담당 AI 원칙을 한 번만 선택하거나
전혀 선택하지 마세요. 

정답: 

 

==================================================

=== 문제 246 ===
문제: 한 회사에서 애플리케이션에 새로운 기능을 도입하려고 합니다. 이 기능은 출력 메시지의 스타일을 개선합니다. 회사는 대규모 언어를 미세 조정할
것입니다 기능을 구현하기 위해 Amazon Bedrock의 모델(LLM)을 사용합니다. 어떤 유형의 데이터가 회사는 이러한 요구 사항을 충족해야
합니까?

답변 목록:
A. 입력 메시지만의 샘플
B. 출력 메시지만의 샘플
C. 입력 및 출력 메시지 쌍의 샘플
D. 입력 및 출력 메시지의 별도 샘플

정답: C

==================================================

=== 문제 247 ===
문제: 한 의료 회사에서 환자 재입원을 예측하기 위한 AI 솔루션을 구축하고 있습니다. 환자 퇴원 후 30일 이내. 회사는 다음과 같은 모델을
훈련시켰습니다. 병력, 인구통계 및 치료를 포함한 과거 환자 데이터 사양을 실시간으로 재입원 예측을 제공합니다. 어떤 작업 이 시나리오에서 AI
모델 추론을 설명합니까?

답변 목록:
A. 과거 환자의 재입원 데이터를 수집합니다.
B. 적절한 측정항목을 사용하고 모델 성능을 평가하세요.
C. 데이터를 사용하여 환자 패턴과 상관관계를 식별합니다.
D. 훈련된 모델을 사용하여 환자 재입원을 예측합니다.

정답: D

==================================================

=== 문제 248 ===
문제: 한 금융 회사에서 ML 예측을 사람이 검토할 수 있는 워크플로를 구축하려고 합니다. 회사는 사용 사례에 대한 신뢰 임계값을 정의하고 조정하려고
합니다. 시간이 지남에 따라 임계값. 이러한 요구 사항을 충족하는 AWS 서비스는 무엇입니까? [] [] BB

답변 목록:
A. 아마존 개인화
B. 아마존 증강 AI(Amazon A2I)
C. 아마존 인스펙터
D. AWS 감사 관리자

정답: B

==================================================

=== 문제 249 ===
문제: 한 회사에서는 직원들이 내부 데이터를 쿼리할 수 있는 AI 도우미를 개발하려고 합니다. 이 요구 사항을 충족하는 AWS 서비스는 무엇입니까?

답변 목록:
A. 아마존 인식
B. 아마존 텍스트랙트
C. 아마존 렉스
D. 아마존 Q 비즈니스

정답: D

==================================================

=== 문제 250 ===
문제: 회사에서는 코드를 작성하지 않고 AWS에서 ML 모델을 구축하고 배포하려고 합니다. 이러한 요구 사항을 충족하는 AWS 서비스 또는 기능은
무엇입니까?

답변 목록:
A. Amazon SageMaker 캔버스
B. 아마존 인식
C. AWS 딥레이서
D. 아마존 컴프리헨드

정답: A

==================================================

=== 문제 251 ===
문제: 한 디자인 회사는 Amazon Bedrock의 기초 모델(FM)을 사용하여 다음을 생성하고 있습니다. 다양한 프로젝트에 대한 이미지. 회사는
얼마나 세부적인지 통제하고 싶어합니다. 또는 생성된 각 이미지를 추상화하여 표시해야 하는 모델 매개변수는 무엇입니까? 회사 수정?

답변 목록:
A. 모델 체크포인트
B. 배치 크기
C. 생성 단계
D. 토큰 길이

정답: C

==================================================

=== 문제 252 ===
문제: 금융 회사는 전 세계 여러 국가에 지사를 두고 있습니다. 회사 생성 AI 애플리케이션과 기반 간의 모든 API 호출이 필요합니다. 모델(FM)은
공용 인터넷을 통해 이동해서는 안 됩니다. 어떤 AWS 서비스를 사용해야 할까요? 회사에서 사용?

답변 목록:
A. AWS 프라이빗링크
B. 아마존Q
C. 아마존 클라우드프론트
D. AWS 클라우드트레일

정답: A

==================================================

=== 문제 253 ===
문제: 전자상거래 회사에서 챗봇을 배포하고 있습니다. 챗봇은 사용자에게 회사 제품에 대해 질문하고 세부 정보를 받을 수 있는 능력 사용자의 주문.
회사는 챗봇이 필터링할 수 있도록 보호 장치를 구현해야 합니다. 입력 프롬프트 및 챗봇 응답의 유해한 콘텐츠. AWS 기능 또는 리소스가 이러한
요구 사항을 충족합니까?

답변 목록:
A. 아마존 기반암 난간
B. Amazon Bedrock 에이전트
C. Amazon Bedrock 추론 API
D. Amazon Bedrock 사용자 정의 모델

정답: A

==================================================

=== 문제 254 ===
문제: 한 회사는 실험을 통해 생성적 AI 애플리케이션에 대해 배우고 싶어합니다. 환경. 이 요구 사항을 가장 비용 효율적으로 충족하는 솔루션은
무엇입니까?

답변 목록:
A. 아마존 Q 개발자
B. Amazon SageMaker JumpStart
C. Amazon Bedrock PartyRock
D. 아마존 Q 비즈니스

정답: C

==================================================

=== 문제 255 ===
문제: 회사는 AI 보조원을 교육하기 위해 대규모 데이터 세트를 수집해야 합니다. 특정 콘텐츠 영역. 이 요구 사항을 충족하는 데이터세트는 무엇인가요?

답변 목록:
A. 관련 용어를 사용하는 다양한 대화
B. 범용 과거 판매 시계열 데이터
C. 뉴스기사 감성분석
D. 고유한 제품 ID 및 해당 사용자 ID

정답: A

==================================================

=== 문제 256 ===
문제: 한 금융회사가 대출 승인을 위한 생성 AI 애플리케이션을 개발하고 있습니다. 결정. 회사는 책임감 있고 공정한 지원서 출력이 필요합니다. 이러한
요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. 학습 데이터를 검토하여 편향을 확인하세요. 모든 데이터 포함
훈련 데이터의 인구통계.
B. 숨겨진 레이어가 많은 딥러닝 모델을 사용합니다.
C. 모델의 의사결정 과정을 비밀로 유지하여 독점권을 보호하세요.
알고리즘.
D. 정적 테스트 데이터세트에서 모델 성능을 지속적으로 모니터링합니다.

정답: A

==================================================

=== 문제 257 ===
문제: 핫스팟 - 각 사용 사례에 대해 다음 목록에서 올바른 AWS 서비스 또는 도구를 선택합니다. 각 AWS 서비스 또는 도구를 한 번 선택하거나
전혀 선택하지 않습니다. 

정답: 

==================================================

=== 문제 258 ===
문제: 최소한의 ML 지식을 갖춘 AI 실무자가 직원을 예측하려고 합니다. 코드를 작성하지 않고도 소모됩니다. 이를 충족하는 Amazon
SageMaker 기능 요구 사항?

답변 목록:
A. SageMaker 캔버스
B. SageMaker 명확화
C. SageMaker 모델 모니터
D. SageMaker 데이터 랭글러

정답: A

==================================================

=== 문제 259 ===
문제: 한 회사가 서비스 개선을 위해 AI를 활용하고 있습니다. 회사는 이를 보장해야 합니다. AI 시스템은 공정하고 설명 가능합니다. 회사에서는
다음에 대한 교육을 요구하고 싶습니다. AI 시스템 개발팀의 구성원입니다. 어떤 훈련이 이러한 요구사항을 충족할 것인가 요구 사항?

답변 목록:
A. 고급 코딩 기술 교육
B. 데이터 개인 정보 보호 및 암호화 프로토콜에 대한 교육
C. 편견 인식 및 책임 있는 AI 교육
D. 고급 ML 알고리즘 교육

정답: C

==================================================

=== 문제 260 ===
문제: 회사에 ML 모델이 있습니다. 회사는 모델이 어떻게 만들어지는지 알고 싶어합니다. 예측. 모델 예측을 이해하는 것을 의미하는 용어는 무엇인가요?

답변 목록:
A. 모델 해석 가능성
B. 모델 훈련
C. 모델 상호 운용성
D. 모델 성능

정답: A

==================================================

=== 문제 261 ===
문제: 회사는 고객의 그룹을 기반으로 고객 그룹을 식별하려고 합니다. 인구통계 및 구매 패턴. 회사는 어떤 알고리즘을 사용해야 충족합니까? 이
요구사항은?

답변 목록:
A. K-최근접 이웃(k-NN)
B. K-평균
C. 의사결정나무
D. 지원 벡터 머신

정답: B

==================================================

=== 문제 262 ===
문제: 한 회사에서 LLM(대형 언어 모델)을 작업 중인데 LLM의 출력이 생각보다 다양하지 않습니다. 회사는 어떤 매개 변수를 사용해야합니까? 조정?

답변 목록:
A. 온도
B. 배치 크기
C. 학습률
D. 최적화 유형

정답: A

==================================================

=== 문제 263 ===
문제: 한 회사에서 Amazon Nova Canvas 모델을 사용하여 이미지를 생성하고 있습니다. 모델 이미지를 성공적으로 생성합니다. 회사는 해당
모델이 생성된 이미지에 특정 항목을 포함합니다. 어떤 솔루션이 이를 충족할 것인가 요구 사항?

답변 목록:
A. 더 높은 온도 값을 사용하십시오.
B. 더 자세한 프롬프트를 사용하세요.
C. 부정적인 프롬프트를 사용하세요.
D. 다른 기초 모델(FM)을 사용하십시오.

정답: C

==================================================

=== 문제 264 ===
문제: HOTSPOT - 회사는 ML 기술을 사용하여 애플리케이션을 구축합니다. 각 작업에 대해 다음 목록에서 올바른 ML 기술을 선택하세요. 각 ML
기술을 한 번 선택합니다.

정답:

==================================================

=== 문제 265 ===
문제: 회사에서는 사람의 피드백을 사용하여 세부 조정을 통해 교육 데이터 세트에 라벨을 지정하려고 합니다. 기초 모델(FM). 회사는 라벨링 개발을
원하지 않습니다. 애플리케이션을 사용하거나 라벨링 인력을 관리합니다. 어떤 AWS 서비스 또는 기능이 충족되나요? 이러한 요구 사항은
무엇입니까?

답변 목록:
A. Amazon SageMaker 데이터 랭글러
B. Amazon SageMaker Ground Truth Plus
C. 아마존 트랜스크라이브
D. 아마존 메이시

정답: B

==================================================

=== 문제 266 ===
문제: 온라인 미디어 스트리밍 회사는 고객에게 다음과 같은 기능을 제공하려고 합니다. 자연어 기반의 이미지 검색 및 필터링을 수행합니다. 회사에는
유사성 검색 및 최근접 이웃에 도움이 되는 벡터 데이터베이스 쿼리. 이러한 요구 사항을 충족하는 AWS 서비스는 무엇입니까?

답변 목록:
A. 아마존 컴프리헨드
B. 아마존 개인화
C. 아마존 폴리
D. 아마존 오픈서치 서비스

정답: D

==================================================

=== 문제 267 ===
문제: HOTSPOT - 한 회사가 Amazon SageMaker AI를 사용하여 AI 솔루션을 구축하고 있습니다. 회사는 SageMaker AI
기능을 사용하여 애플리케이션 개발을 촉진하려고 합니다. 각 사용 사례에 대해 다음 목록에서 올바른 SageMaker AI 기능을 선택하십시오.
각 기능을 한 번씩 선택하세요.

정답: 

==================================================

=== 문제 268 ===
문제: 한 회사가 생성 AI 도구를 구축하고 있습니다. 회사는 내부를 사용합니다 기초 모델(FM)을 사용자 정의하기 위한 문서입니다. 어떤 접근 방식이
이를 충족할 것인가 요구 사항?

답변 목록:
A. 분류
B. 계속되는 사전 훈련
C. 증류
D. 회귀

정답: B

==================================================

=== 문제 269 ===
문제: 한 회사가 Amazon SageMaker 모델을 사용하여 예측 모델을 모니터링하고 있습니다. 모니터. 회사에서는 정의된 임계값을 초과하는 데이터
드리프트를 발견했습니다. 회사 예측 모델에 잠재적으로 부정적인 영향을 완화하려고 합니다. 어느 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. SageMaker AI 엔드포인트를 다시 시작합니다.
B. 모니터링 감도를 조정하세요.
C. 새로운 데이터로 모델을 다시 훈련시킵니다.
D. 실험 추적을 설정합니다.

정답: C

==================================================

=== 문제 270 ===
문제: 금융 회사는 생성적 AI 모델을 사용하여 새로운 신용 한도를 할당합니다. 고객. 회사는 모델의 의사결정 과정을 만들고 싶어합니다. 고객에게 더욱
투명해집니다. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

답변 목록:
A. ML 모델 대신 규칙 기반 시스템을 사용합니다.
B. 설명 가능한 AI 기술을 적용하여 어떤 요인이 영향을 미쳤는지 고객에게 보여줍니다.
모델의 결정.
C. 고객을 위한 대화형 UI를 개발하고 명확한 기술을 제공합니다.
시스템에 대한 설명.
D. 투명성의 필요성을 줄이려면 모델의 정확도를 높이십시오.

정답: B

==================================================

=== 문제 271 ===
문제: 한 회사에서 모델을 프로덕션에 배포했습니다. 4개월 후 모델 추론 품질이 저하되었습니다. 회사는 모델이 다음과 같은 경우 알림을 받기를
원합니다. 추론 품질이 저하됩니다. 회사에서도 문제가 있는지 확인하고 싶습니다. 다시는 일어나지 않습니다. 어떤 솔루션이 이러한 요구 사항을
충족합니까?

답변 목록:
A. 모델을 다시 훈련시키세요. Amazon SageMaker Clarify를 사용하여 모델 드리프트를 모니터링합니다.
B. 모델을 다시 훈련시키세요. Amazon SageMaker 모델을 사용하여 모델 드리프트 모니터링
감시 장치.
C. 새로운 모델을 구축하세요. Amazon SageMaker 기능을 사용하여 모델 드리프트 모니터링
가게.
D. 새로운 모델을 구축하세요. Amazon SageMaker JumpStart를 사용하여 모델 드리프트를 모니터링합니다.

정답: B

==================================================

=== 문제 272 ===
문제: 비지도 학습의 예는 무엇입니까? 어떤 옵션이 예시인가요? 비지도 학습?

답변 목록:
A. 구매 내역을 기반으로 고객을 그룹화하는 모델
B. 이미지를 개 또는 고양이로 분류하는 모델
C. 다양한 특성을 기반으로 집값을 예측하는 모델
D. 시행착오를 통해 체스를 배우는 모델

정답: A

==================================================

=== 문제 273 ===
문제: 회사는 텍스트에 대해 여러 LLM(대형 언어 모델)을 평가하고 있습니다. 요약 작업. 회사는 품질을 평가하기 위한 측정 기준을 선택해야 합니다.
LLM이 생성하는 요약. 이를 충족하는 측정항목은 무엇인가요? 요구 사항?

답변 목록:
A. 상기하다
B. ROC 곡선 아래 면적(AUC)
C. 요점 평가를 위한 회상 중심 연구(ROUGE)
D. 평균 제곱 오차(MSE)

정답: C

==================================================

=== 문제 274 ===
문제: 연구 그룹은 다양한 생성 AI 모델을 테스트하여 연구를 생성하려고 합니다. 논문. 연구 그룹은 프롬프트를 정의했으며 이를 평가할 방법이
필요합니다. 모델의 출력. 연구 그룹은 과학자 팀을 사용하여 수행하기를 원합니다. 출력 평가. 어떤 솔루션이 이러한 요구 사항을 충족합니까?
[] [] C C

답변 목록:
A. Amazon Personalize에서 자동 평가를 사용합니다.
B. Amazon Rekognition에서 콘텐츠 조정을 사용합니다.
C. Amazon Bedrock에서 모델 평가를 사용합니다.
D. Amazon Comprehend에서 감정 분석을 사용하세요.

정답: C

==================================================

=== 문제 275 ===
문제: HOTSPOT - 전자 상거래 회사는 애플리케이션 사용자를 위한 맞춤형 제품 추천을 생성하기 위해 생성 AI 솔루션을 개발하고 있습니다. 회사는
AI 솔루션이 제품 판매와 애플리케이션 사용자 참여를 얼마나 효과적으로 증가시키는지 추적하려고 합니다. 각 비즈니스 목표에 대해 다음 목록에서
올바른 비즈니스 측정항목을 선택하세요. 각 비즈니스 지표는 한 번만 선택해야 합니다.

정답: 

==================================================

=== 문제 276 ===
문제: AI 실무자가 ML 모델을 평가하고 싶어합니다. AI 실무자가 원하는 것 고객과 이해관계자에게 모델 예측에 대한 설명을 제공합니다. 어느 AWS
서비스 또는 기능이 이러한 요구 사항을 충족합니까? [] [] ㄷ ㄷ

답변 목록:
A. 아마존 퀵사이트
B. 아마존 컴프리헨드
C. AWS 신뢰 고문
D. Amazon SageMaker 명확화

정답: D

==================================================

=== 문제 277 ===
문제: 감정 분석은 어느 AI 분야의 하위 집합입니까? 감성분석 AI의 어느 넓은 분야의 하위 집합입니까?

답변 목록:
A. 컴퓨터 비전
B. 로봇공학
C. 자연어 처리(NLP)
D. 시계열 예측

정답: C

==================================================

=== 문제 278 ===
문제: 한 회사가 Amazon Bedrock API에 대한 비공개 액세스를 설정하려고 합니다. 회사의 AWS 계정. 회사는 또한 인터넷으로부터 데이터를
보호하기를 원합니다. 노출. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까? 회사에서 설립을 원합니다. 회사의 AWS 계정에서 Amazon
Bedrock API에 대한 비공개 액세스. 는 회사는 또한 인터넷 노출로부터 데이터를 보호하기를 원합니다. 어떤 솔루션 이러한 요구 사항을
충족합니까?

답변 목록:
A. Amazon CloudFront를 사용하여 회사의 비공개 콘텐츠에 대한 액세스를 제한하세요.
B. AWS Glue를 사용하여 회사의 데이터 카탈로그 전반에 걸쳐 데이터 암호화를 설정합니다.
C. AWS Lake Formation을 사용하여 중앙 집중식 데이터 거버넌스와 교차 관리를 관리하세요.
계정 데이터 공유.
D. AWS PrivateLink를 사용하여 회사 간의 비공개 연결을 구성합니다.
VPC와 Amazon Bedrock.

정답: D

==================================================

=== 문제 279 ===
문제: 회사는 텍스트 형식으로 구조화되지 않은 사용자 피드백을 대량으로 받습니다. 회사는 사용자 피드백의 감정을 분석하려고 합니다. 어떤 솔루션 이러한
요구 사항을 충족합니까? 회사는 대량의 비정형 데이터를 받습니다. 텍스트 형식의 사용자 피드백. 회사는 고객의 감정을 분석하고 싶어합니다.
사용자 피드백. 어떤 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. LLM(대형 언어 모델)을 사용하여 NLP(자연어 처리) 수행
감정 분석을 위해.
B. 회귀 알고리즘을 사용하여 사전 정의된 피드백을 기반으로 피드백을 분류합니다.
categories. 그런 다음 사용자 감정을 분석합니다.
C. 추천 엔진 알고리즘을 사용하여 사용자 감정을 감지합니다.
D. 시계열 알고리즘을 사용하여 과거 피드백을 기반으로 사용자 감정을 예측합니다.

정답: A

==================================================

=== 문제 280 ===
문제: HOTSPOT - 회사에서 여러 ML 모델을 개선하려고 합니다. 다음 사용 사례 목록에서 올바른 기술을 선택하세요. 각 기술은 한 번만
선택하거나 전혀 선택하지 않아야 합니다.

정답: 

==================================================

=== 문제 281 ===
문제: 한 회사는 다음에 대한 이미지와 설명을 생성하는 AI 솔루션을 만들고 싶어합니다. 제품 카탈로그. 이를 위해 회사에서는 FM(Foundation
Model)을 선택해야 합니다. 솔루션. 회사는 각 FM의 출력 유형을 고려해야 합니다. 어느 FM 회사가 평가하는 특성은 무엇입니까?

답변 목록:
A. 숨어 있음
B. 모델 크기
C. 모델 맞춤화
D. 양식

정답: D

==================================================

=== 문제 282 ===
문제: 한 회사에서 ML 모델을 사용하여 소셜 미디어에 대한 고객 리뷰를 분석하려고 합니다. 모델은 각 리뷰에 중립, 긍정적 또는 부정적 평가가 있는지
결정해야 합니다. 감정. 이러한 요구 사항을 충족하는 모델 평가 전략은 무엇입니까?

답변 목록:
A. 개방형 세대
B. 텍스트 요약
C. 기계 번역
D. 분류

정답: D

==================================================

=== 문제 283 ===
문제: HOTSPOT - 각 문장에 대해 다음 목록에서 올바른 AI 용어를 선택하세요. 각 AI 용어는 한 번씩 선택되어야 합니다. 

정답: 

==================================================

=== 문제 284 ===
문제: 비지도 학습의 예는 무엇입니까? 어떤 옵션이 예시인가요? 비지도 학습?

답변 목록:
A. 유사성을 기준으로 데이터 포인트를 그룹으로 클러스터링
B. 동물 이미지를 인식하는 모델 훈련
C. 집의 특징을 토대로 집값을 예측하는 방법
D. 주어진 프롬프트를 기반으로 인간과 유사한 텍스트 생성

정답: A

==================================================

=== 문제 285 ===
문제: 많은 양의 교육 자료를 보유한 온라인 학습 회사가 기업 검색을 사용하세요. 이러한 요구 사항을 충족하는 AWS 서비스는 무엇입니까?

답변 목록:
A. 아마존 컴프리헨드
B. 아마존 텍스트랙트
C. 아마존 켄드라
D. 아마존 개인화

정답: C

==================================================

=== 문제 286 ===
문제: 영상 콘텐츠를 제작하는 회사입니다. 회사는 생성 AI를 사용하여 다음을 수행하려고 합니다. 새로운 창의적인 콘텐츠를 생성하고 비디오 제작 시간을
단축합니다. 어떤 솔루션 가장 운영상 효율적인 방식으로 이러한 요구 사항을 충족할 수 있습니까?

답변 목록:
A. Amazon Bedrock에서 Amazon Titan 이미지 생성기 모델을 사용하여 생성
intermediate images. 비디오 편집 소프트웨어를 사용하여 비디오를 만듭니다.
B. Amazon Bedrock에서 Amazon Nova Canvas 모델을 사용하여 중간체 생성
images. 비디오 편집 소프트웨어를 사용하여 비디오를 만듭니다.
C. Amazon Bedrock에서 Amazon Nova Reel 모델을 사용하여 비디오를 생성합니다.
D. Amazon Bedrock에서 Amazon Nova Pro 모델을 사용하여 비디오를 생성하십시오.

정답: C

==================================================

=== 문제 287 ===
문제: 한 회사가 데이터 세트에서 ML 모델을 교육하고 있습니다. 데이터세트에는 일부 클래스가 포함되어 있습니다. 다른 클래스보다 예제가 더 많습니다.
회사는 방법을 측정하고 싶어합니다. 모델은 클래스 감지 및 라벨 지정의 균형을 유지합니다. 어떤 측정항목을 사용해야 하나요? 회사에서 사용?

답변 목록:
A. 정확성
B. 상기하다
C. 정도
D. F1 점수

정답: D

==================================================

=== 문제 288 ===
문제: 한 회사에서 금융거래기록을 분석하고 있습니다. 회사는 분류한다. 개인이든 사업이든 기록입니다. 회사는 카테고리를 삽입합니다. 거래기록에
들어갑니다. 이는 어떤 데이터 준비 단계를 설명합니까?

답변 목록:
A. 데이터 인코딩
B. 데이터 라벨링
C. 데이터 정규화
D. 데이터 밸런싱

정답: B

==================================================

=== 문제 289 ===
문제: 한 회사는 대규모 정책 문서에서 주요 통찰력을 추출하여 직원 효율성. 이 요구 사항을 충족하는 생성적 AI 전략은 무엇입니까?

답변 목록:
A. 회귀
B. 클러스터링
C. 요약
D. 분류

정답: C

==================================================

=== 문제 290 ===
문제: 한 회사는 Amazon SageMaker를 사용하여 소셜 미디어인지 식별하는 모델을 배포하고 있습니다. 미디어 게시물에는 특정 주제가 포함되어
있습니다. 회사는 얼마나 다른지 보여줘야 합니다. 입력 특성은 모델 동작에 영향을 미칩니다. 어떤 SageMaker 기능이 이러한 조건을
충족합니까? 요구 사항?

답변 목록:
A. SageMaker 캔버스
B. SageMaker 명확화
C. SageMaker 피처 스토어
D. SageMaker Ground Truth

정답: B

==================================================

=== 문제 291 ===
문제: HOTSPOT - AI 실무자가 다양한 사용 사례에 적합한 데이터 유형을 결정하고 있습니다. 각 사용 사례에 대해 다음 목록에서 올바른 데이터
유형을 선택하세요. 각 데이터 유형을 한 번씩 선택합니다. 

정답: 

==================================================

=== 문제 292 ===
문제: 한 회사에서 전 세계 외딴 지역의 인터넷 품질을 평가하려고 합니다. 는 회사는 인터넷 속도 데이터를 수집하고 Amazon RDS에 데이터를
저장해야 합니다. 회사는 매일 인터넷 속도 변화를 분석합니다. 는 회사는 잠재적인 인터넷 중단을 예측하기 위해 AI 모델을 만들고 싶어합니다.
이 작업을 위해 회사는 어떤 유형의 데이터를 수집해야 합니까?

답변 목록:
A. 표 형식 데이터
B. 텍스트 데이터
C. 시계열 데이터
D. 오디오 데이터

정답: C

==================================================

=== 문제 293 ===
문제: 한 회사에서 센서 데이터의 비정상적인 패턴을 감지하는 ML 모델을 구축하려고 합니다. 회사에는 훈련을 위한 라벨링된 데이터가 없습니다. 어떤
ML 방법이 충족되나요? 이러한 요구 사항은 무엇입니까?

답변 목록:
A. 선형 회귀
B. 분류
C. 의사결정 트리
D. 오토인코더

정답: D

==================================================

=== 문제 294 ===
문제: 한 회사는 Amazon Bedrock을 사용하여 생성적 AI 도우미를 구현합니다. 웹사이트. AI 비서는 고객에게 제품 추천과 구매 결정.
회사는 AI의 직접적인 영향을 측정하려고 합니다. 판매 실적 보조원. 이러한 요구 사항을 충족하는 측정항목은 무엇인가요?

답변 목록:
A. AI비서 이후 상품 구매 고객 전환율
상호 작용.
B. AI 어시스턴트와의 고객 상호작용 수
C. AI 비서 이후 고객 피드백을 통한 감성 분석 점수
상호작용
D. 자연어 이해 정확도

정답: A

==================================================

=== 문제 295 ===
문제: 어떤 AWS 서비스 또는 기능이 사용하기 위해 벡터 데이터베이스에 임베딩을 저장합니까? 기초 모델(FM)과 검색 증강 생성(RAG)? 어느
AWS 서비스 또는 기능은 다음과 함께 사용하기 위해 벡터 데이터베이스에 임베딩을 저장합니다. 기초 모델(FM)과 검색 증강 생성(RAG)?

답변 목록:
A. Amazon SageMaker Ground Truth
B. 아마존 오픈서치 서비스
C. 아마존 트랜스크라이브
D. 아마존 텍스트랙트

정답: B

==================================================

=== 문제 296 ===
문제: 생성 AI의 실제 사용 사례를 나타내는 시나리오는 무엇입니까? 어떤 시나리오 생성 AI의 실제 사용 사례를 나타냅니다.

답변 목록:
A. ML 모델을 사용하여 제품 수요 예측
B. 고객 문의사항에 대해 인간과 유사한 응답을 제공하기 위해 챗봇을 사용합니다.
실시간
C. 분석 대시보드를 사용하여 웹사이트 트래픽 및 사용자 행동 추적
D. 제품을 제안하는 규칙 기반 추천 엔진 구현
고객

정답: B

==================================================

=== 문제 297 ===
문제: 한 회사는 생성 AI 솔루션을 위해 Amazon Bedrock을 사용하고 있습니다. 해결책 벡터 데이터베이스 저장 및 벡터 검색과 서비스를
통합해야 합니다. 능력. 이러한 요구 사항을 충족하는 AWS 서비스는 무엇입니까?

답변 목록:
A. 아마존 다이나모DB
B. 아마존 오픈서치 서비스
C. 아마존 엘라스티캐시
D. 아마존 레드시프트

정답: B

==================================================

=== 문제 298 ===
문제: 미디어 스트리밍 플랫폼은 사용자에게 영화 추천을 제공하려고 합니다. 사용자의 계정 기록에. 이러한 요구 사항을 충족하는 AWS 서비스는
무엇입니까?

답변 목록:
A. 아마존 폴리
B. 아마존 컴프리헨드
C. 아마존 트랜스크라이브
D. 아마존 개인화

정답: D

==================================================

=== 문제 299 ===
문제: 한 회사에서 대출 신청을 승인하거나 거부하는 ML 모델을 개발했습니다. 는 모델의 의사결정 과정은 투명하고 설명 가능해야 합니다. 규제 요구
사항이 있습니다. 회사는 의사결정을 문서화해야 합니다. 감사 목적의 프로세스. 어떤 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. 아마존 텍스트랙트
B. Amazon SageMaker 모델 카드
C. AWS 클라우드 형성
D. 아마존 컴프리헨드

정답: B

==================================================

=== 문제 300 ===
문제: HOTSPOT - 한 회사가 생성 AI 애플리케이션을 구축하고 기초 모델(FM)을 검토하고 있습니다. 회사는 다양한 FM 특성을 고려해야
합니다. 각 정의에 대해 다음 목록에서 올바른 FM 특성을 선택하세요. 각 FM 특성은 한 번 선택해야 합니다. 

정답: 

==================================================

=== 문제 301 ===
문제: 한 회사에서는 LLM(대형 언어 모델)을 사용하여 온라인 개인교습을 개발하고 있습니다. 응용 프로그램. 회사는 LLM에 구성 가능한 보호 조치를
적용해야 합니다. 이러한 보호 장치는 LLM이 다음과 같은 경우 표준 안전 규칙을 따르도록 보장해야 합니다. 응용 프로그램 만들기. 어떤
솔루션이 이러한 요구 사항을 충족합니까? 최소한의 노력?

답변 목록:
A. 아마존 베드락 놀이터
B. Amazon SageMaker 명확화
C. 아마존 기반암 난간
D. Amazon SageMaker 점프스타트

정답: C

==================================================

=== 문제 302 ===
문제: 한 회사가 Amazon Bedrock에서 Amazon Nova 모델을 탐색하고 있습니다. 회사에는 여러 언어를 지원하는 다중 모드 모델. 어떤
Nova 모델이 만날 것인가 이러한 요구 사항이 가장 비용 효율적입니까?

답변 목록:
A. 노바 라이트
B. 노바 프로
C. 노바 캔버스
D. 노바 릴

정답: A

==================================================

=== 문제 303 ===
문제: 한 회사가 새로운 생성 AI 챗봇을 구축하고 있습니다. 챗봇은 Amazon을 사용합니다. 응답을 생성하기 위한 기반암 기반 모델(FM)입니다.
테스트하는 동안 회사는 챗봇이 즉각적인 주입 공격을 받기 쉽다는 사실을 알아냈습니다. 무엇을 할 수 있습니까? 회사는 최소한의 구현 노력으로
챗봇을 보호합니까?

답변 목록:
A. 유해한 응답을 피하기 위해 FM을 미세 조정하세요.
B. Amazon Bedrock Guardrails 콘텐츠 필터와 거부된 주제를 사용하세요.
C. FM을 보다 안전한 FM으로 변경하세요.
D. 안전한 응답을 생성하기 위해 일련의 사고방식을 사용하십시오.

정답: B

==================================================

=== 문제 304 ===
문제: AI의 맥락에서 추론은 무엇을 의미하나요? 추론은 무엇을 가리키는가 AI의 맥락에서?

답변 목록:
A. 새로운 AI 알고리즘을 만드는 과정
B. 훈련된 모델을 사용하여 보이지 않는 데이터에 대한 예측이나 결정을 내립니다.
C. 여러 AI 모델을 하나의 모델로 결합하는 과정
D. AI 시스템을 위한 훈련 데이터 수집 방법

정답: B

==================================================

=== 문제 305 ===
문제: 한 회사에서는 사용자 쿼리에 응답을 제공하는 AI 도우미를 구축하려고 합니다. AI 도우미는 특정 데이터 소스를 평가하고, 외부 API를
쿼리하고, 대응 옵션을 생성하고 대응 옵션을 비교하고 우선순위를 지정합니다. 어느 Amazon Bedrock 기능 또는 리소스가 이러한 요구
사항을 충족합니까?

답변 목록:
A. 신속한 관리
B. 응답 스트리밍
C. 기술 자료
D. 자치령 대표

정답: D

==================================================

=== 문제 306 ===
문제: AI 실무자는 LLM(대형 언어 모델)이 다른 언어를 생성하고 있음을 알아차렸습니다. 여러 호출에서 동일한 입력에 대한 응답입니다. AI의 어떤
위험이 이게 설명이야?

답변 목록:
A. 환각
B. 비결정론
C. 정확성
D. 다중 양식

정답: B

==================================================

=== 문제 307 ===
문제: 한 회사가 AWS에서 생성 AI 애플리케이션을 구축하고 있습니다. 응용 프로그램은 학생들의 독해력 향상에 도움이 됩니다. 신청서는 다음을
제공해야합니다 학생들은 이야기에 일러스트레이션을 추가할 수 있는 능력을 갖습니다. 어떤 솔루션이 충족될까요? 이 요구사항은?

답변 목록:
A. Amazon Bedrock Stable Diffusion 3.5 Large를 사용하여 다음을 기반으로 이미지를 생성합니다.
텍스트 입력.
B. Amazon Polly를 사용하여 스토리 텍스트를 기반으로 오디오북을 만드세요.
C. Amazon Rekognition을 사용하여 이미지 콘텐츠를 분석하고 텍스트 속성을 감지합니다.
D. 표준 프롬프트 템플릿을 만듭니다. Amazon Q Business를 사용하여 설명
이야기.

정답: A

==================================================

=== 문제 308 ===
문제: 한 의료 회사에서 환자 데이터를 분석하려고 합니다. 데이터는 다음과 같이 수집되었습니다. 전년도에 질병 발생 패턴을 탐지합니다. 회사는 다음을
수행해야 합니다. 매월 추세 분석 보고서를 작성하여 공중 보건에 제출 공무원. 회사는 환자 데이터에 대한 통찰력을 최대한 제공해야 합니다.
올해의 최근 달. 어떤 추론 방법이 이를 충족할 것인가 요구 사항이 가장 비용 효율적입니까?

답변 목록:
A. 실시간 추론
B. 일괄 변환
C. 서버리스 추론
D. 비동기 추론

정답: B

==================================================

=== 문제 309 ===
문제: HOTSPOT - 새 사용자 지정 모델의 ML 수명 주기를 올바르게 설명하려면 다음 목록에서 단계를 선택하고 순서를 지정하세요. 각 단계를 한
번씩 선택하세요.

정답: 

==================================================

=== 문제 310 ===
문제: 국제표준화기구(ISO)를 취득한 기업 AI 위험을 관리하고 AI를 책임감 있게 사용하기 위한 인증입니다. 이것은 무엇을 하는가? 인증은 회사에
대해 반영됩니까?

답변 목록:
A. 회사의 모든 구성원은 ISO 인증을 받았습니다.
B. 회사가 사용하는 모든 AI 시스템은 ISO 인증을 받았습니다.
C. AI 응용팀 전원은 ISO 인증을 받았습니다.
D. 회사의 개발 프레임워크는 ISO 인증을 받았습니다.

정답: D

==================================================

=== 문제 311 ===
문제: HOTSPOT - 각 설명에 대해 다음 목록에서 올바른 프롬프트 엔지니어링 기술을 선택하십시오. 각 프롬프트 엔지니어링 기술을 한 번만
선택하거나 전혀 선택하지 마십시오. 

정답: 

==================================================

=== 문제 312 ===
문제: 한 회사에서 심장병 위험을 예측하기 위해 ML 모델을 개발하고 있습니다. 모델 나이, 콜레스테롤, 혈압, 흡연 상태 등 환자 데이터를
사용합니다. 운동 습관. 데이터 세트에는 다음 여부를 나타내는 목표 값이 포함되어 있습니다. 환자는 심장병이 있습니다. 이러한 요구 사항을
충족하는 ML 기술은 무엇입니까?

답변 목록:
A. 비지도 학습
B. 지도 학습
C. 강화 학습
D. 준지도 학습

정답: B

==================================================

=== 문제 313 ===
문제: HOTSPOT - 회사는 디지털 제품 가이드를 수동으로 업로드하여 제품 데이터베이스를 주기적으로 업데이트합니다. 제품 가이드에는 텍스트와
이미지가 포함되어 있습니다. 회사는 생성 AI를 사용하여 이 작업을 자동화하려고 합니다. 생성 AI를 사용하여 데이터베이스 업데이트 작업을
자동화하려면 다음 목록에서 단계를 선택하고 순서를 지정하세요. 각 단계를 한 번씩 선택하세요. 

정답: 

==================================================

=== 문제 314 ===
문제: 회사에는 데이터 저장 및 삭제에 대한 지침이 있습니다. 어떤 데이터 거버넌스 이것이 설명하는 전략인가요?

답변 목록:
A. 데이터 비식별화
B. 데이터 품질 표준
C. 데이터 보존
D. 로그 저장

정답: C

==================================================

=== 문제 315 ===
문제: 회사는 이미지 세트에 수치 변환을 적용하여 다음을 수행해야 합니다. 이미지를 바꾸고 회전합니다. 어떤 솔루션이 이러한 요구 사항을 충족합니까?
운영상 가장 효율적인 방법은 무엇일까요?

답변 목록:
A. 이미지를 입력으로 사용하여 심층 신경망을 만듭니다.
B. 변환을 수행할 AWS Lambda 함수를 생성합니다.
C. 온도가 높은 Amazon Bedrock LLM(대형 언어 모델)을 사용합니다.
D. AWS Glue 데이터 품질을 사용하여 각 이미지를 수정합니다.

정답: B

==================================================

=== 문제 316 ===
문제: AI 실무자가 소프트웨어 코드를 작성하고 있습니다. AI 실무자가 원하는 것 신속하게 테스트 케이스를 개발하고 코드에 대한 문서를 작성합니다.
어느 솔루션이 최소한의 노력으로 이러한 요구 사항을 충족할 수 있습니까?

답변 목록:
A. 온라인 코딩 도우미에 코드를 업로드하세요.
B. FM(기반 모델)을 사용하기 위한 애플리케이션을 개발합니다.
C. 통합 개발 환경(IDE)에서 Amazon Q Developer를 사용하세요.
D. 테스트 케이스를 조사하고 작성합니다. 그런 다음 테스트 사례를 만들고 문서를 추가합니다.

정답: C

==================================================

=== 문제 317 ===
문제: 한 회사는 자동으로 생성하는 생성 AI 애플리케이션을 개발하고 있습니다. 전자상거래 웹사이트의 제품 설명입니다. 제품 설명은 다음과 같습니다.
스타일과 어조가 일관적인 텍스트 단락으로 구성됩니다. 는 애플리케이션은 매일 수천 개의 고유한 설명을 생성해야 합니다. 어떤 유형 생성 모델이
이러한 요구 사항을 충족합니까?

답변 목록:
A. VAE(변형 자동 인코더) 모델
B. 변압기 기반 모델
C. 확산 모델
D. 생성적 적대 네트워크(GAN) 모델

정답: B

==================================================

=== 문제 318 ===
문제: AI 실무자가 훈련 데이터세트를 바탕으로 모델을 훈련했습니다. 모델이 수행하는 훈련 데이터에 대해 잘 알고 있습니다. 그러나 모델의 성능이 좋지
않습니다. 평가 데이터. 이 문제의 가장 가능성 있는 원인은 무엇입니까?

답변 목록:
A. 모델이 과소적합되었습니다.
B. 이 모델에는 신속한 엔지니어링이 필요합니다.
C. 모델이 편향되어 있습니다.
D. 모델이 과적합되었습니다.

정답: D

==================================================

=== 문제 319 ===
문제: 한 회사는 대출 위험을 평가하기 위해 해석 가능한 ML 모델을 개발하려고 합니다. 응용 프로그램. 이러한 요구 사항을 충족하는 ML 모델 또는
알고리즘 유형은 무엇입니까?

답변 목록:
A. 딥러닝 모델
B. 로지스틱 회귀 모델
C. K-평균 알고리즘
D. 랜덤 컷 포레스트 알고리즘

정답: B

==================================================

=== 문제 320 ===
문제: 회사는 고객 개인 식별 정보(PII) 데이터를 저장합니다. 는 회사는 회사의 AWS 리전 내에 PII 데이터를 저장해야 합니다. 어느 측면에서
이것이 거버넌스를 설명하는가?

답변 목록:
A. 데이터 마이닝
B. 데이터 상주
C. 사전 훈련 편향
D. 지리적 위치 라우팅

정답: B

==================================================

=== 문제 321 ===
문제: 한 회사는 마케팅을 개선하기 위해 생성적 AI 솔루션을 구현하려고 합니다. 운영. 회사는 향후 6개월 동안 수익을 늘리기를 원합니다. 이러한
요구 사항을 충족하는 접근 방식은 무엇입니까?

답변 목록:
A. 회사의 기존 데이터를 활용하여 맞춤형 FM 학습을 즉시 시작하세요.
B. 이해관계자 인터뷰를 실시하여 사용 사례를 개선하고 측정 가능한 목표를 설정합니다.
C. 사전 구축된 AI 비서 솔루션을 구현하고 고객에게 미치는 영향을 측정합니다.
만족.
D. 업계 AI 구현을 분석하고 가장 성공적인 사례를 복제합니다.
특징.

정답: C

==================================================

=== 문제 322 ===
문제: 한 의료 회사는 다음을 통해 질병 진단을 개선하는 모델을 만들고 싶어합니다. 환자의 목소리를 분석합니다. 회사는 수백 명의 환자 목소리를
녹음했습니다. 이 프로젝트를 위해. 회사는 현재 음성 녹음을 필터링하고 있습니다. 기간과 언어까지. ML 수명주기의 어느 단계가 현재를
설명하는가? 프로젝트 단계?

답변 목록:
A. 데이터 수집
B. 데이터 전처리
C. 기능 엔지니어링
D. 모델 훈련

정답: B

==================================================

=== 문제 323 ===
문제: 한 회사가 Amazon Bedrock을 사용하여 AI 도우미를 구축하고 있습니다. AI 비서 제안을 통해 고객이 관련 제품을 찾을 수 있도록
돕습니다. 그러나 AI는 보조자의 응답은 일반적이고 관련성이 없는 경우가 많습니다. 회사에서 사용하고 싶어 AI 비서의 반응을 개선하기 위한
신속한 엔지니어링. 어떤 솔루션이 이러한 요구 사항을 충족합니까?

답변 목록:
A. 몇 번의 메시지를 사용하여 도메인별 컨텍스트와 명시적인 내용을 추가하세요.
지침.
B. 명시적인 내용을 무시하기 위해 숨겨진 추론 단계가 포함된 일련의 사고방식을 사용하세요.
도메인 지침.
C. 좀 더 공식적인 언어를 사용하도록 AI 도우미의 대화 스타일을 수정합니다.
기술 제품 사양을 포함합니다.
D. 제로샷 프롬프트를 사용하여 제품 데이터베이스에서 검색을 강화합니다.

정답: A

==================================================

=== 문제 324 ===
문제: 한 회사에서 사용자가 여행을 예약할 수 있는 웹사이트를 운영하고 있습니다. 회사 호텔의 일관된 브랜딩을 만드는 데 도움이 되는 AI 솔루션을
원합니다. 웹사이트. AI 솔루션은 웹사이트에 대한 호텔 설명을 생성해야 합니다. 일관된 글쓰기 스타일. 이러한 요구 사항을 충족하는 AWS
서비스는 무엇입니까?

답변 목록:
A. 아마존 컴프리헨드
B. 아마존 개인화
C. 아마존 인식
D. 아마존 기반암

정답: D

==================================================

=== 문제 325 ===
문제: 회사에서는 사전 훈련된 LLM(대형 언어 모델)을 사용하고 있습니다. LLM은 반드시 특정 도메인 지식이 필요한 여러 작업을 수행합니다.
LLM은 그렇지 않습니다. 해당 도메인의 여러 기술 주제에 대한 정보가 있습니다. 회사는 회사가 모델을 미세 조정하는 데 사용할 수 있는
레이블이 지정되지 않은 데이터입니다. 어느 벌금- 튜닝 방법이 이러한 요구 사항을 충족합니까?

답변 목록:
A. 전체 훈련
B. 감독된 미세 조정
C. 계속되는 사전 훈련
D. 검색 증강 생성(RAG)

정답: C

==================================================

=== 문제 326 ===
문제: 회사에서는 사용자 정의 기능을 기반으로 다양한 개체의 이미지를 분류하려고 합니다. 데이터 세트에서 추출되었습니다. 어떤 솔루션이 이 요구 사항을
충족합니까? 최소한의 개발 노력? [] [] BB

답변 목록:
A. 다음에서 추출된 맞춤형 기능과 함께 기존 ML 알고리즘을 사용합니다.
데이터세트.
B. 사전 훈련된 딥러닝 모델을 사용합니다. 데이터 세트에서 모델을 미세 조정합니다.
C. 생성적 적대 신경망(GAN) 모델을 사용하여 이미지를 분류합니다.
D. 수동으로 엔지니어링된 기능을 갖춘 SVM(서포트 벡터 머신)을 사용합니다.
분류.

정답: B

==================================================

=== 문제 327 ===
문제: 한 회사는 Amazon Bedrock 기반 모델(FM)을 사용자 정의하여 개선을 원합니다. 애플리케이션의 성능. 회사는 다음에 대한 교육 데이터
세트를 준비해야 합니다. 텍스트-텍스트 모델 미세 조정. 회사는 어떤 데이터 세트 형식을 사용해야 합니까? 모델을 훈련시키나요? [] [] AA

답변 목록:
A. 라벨이 지정된 데이터가 포함된 JSON 파일
B. 라벨이 지정되지 않은 데이터가 포함된 CSV 파일
C. 표 형식의 데이터가 포함된 CSV 파일
D. 레이블이 지정되지 않은 데이터가 포함된 텍스트 파일

정답: A

==================================================

=== 문제 328 ===
문제: HOTSPOT - 한 회사가 Amazon Bedrock을 사용하여 생성 AI 애플리케이션을 구축하려고 합니다. 회사에서는 개발 노력을
최소화하려고 합니다. 최소 개발 노력부터 가장 많은 개발 노력까지 다음 목록에서 모델 개발 기술을 선택하고 주문하십시오. 각 모델 개발 기법은
한 번만 선택해야 합니다. 

정답: 

==================================================

=== 문제 329 ===
문제: 항공사는 생성 AI 모델을 사용하여 항공편을 변환하려고 합니다. 하나의 코딩 언어에서 다른 코딩 언어로의 예약 시스템. 는 회사는 이 작업을
위한 모델을 선택해야 합니다. 회사는 어떤 기준을 사용해야 합니까? 이 작업에 적합한 생성 AI 모델을 선택하려면 어떻게 해야 할까요? []
[] AA

답변 목록:
A. 구문, 의미론적 이해 및 코드 최적화 기능
B. 코드 생성 속도 및 오류 처리 기능
C. 창의적인 콘텐츠를 제작하는 능력
D. 모델 크기 및 리소스 요구 사항

정답: A

==================================================

=== 문제 330 ===
문제: AI 실무자는 Amazon Bedrock Prompt Management를 사용하여 재사용 가능한 프롬프트. 프롬프트는 다음을 통해 외부
서비스와 상호 작용할 수 있어야 합니다. 외부 API를 호출합니다. 이 요구 사항을 충족하는 솔루션은 무엇입니까? [] [] BB

답변 목록:
A. 특수 토큰을 사용하세요.
B. 도구 구성을 사용하십시오.
C. 프롬프트 변수를 사용하십시오.
D. 정지 시퀀스를 사용하십시오.

정답: B

==================================================

=== 문제 331 ===
문제: 한 회사에서 데이터를 위해 Amazon Q Business를 사용하려고 합니다. 회사는 다음을 수행해야 합니다. 데이터의 보안과 개인정보 보호를
보장합니다. 어떤 단계의 조합이 이러한 요구 사항을 충족합니까? (2개 선택) AE AE

답변 목록:
A. Amazon Q 비즈니스에 대해 AWS Key Management Service(AWS KMS) 키 활성화
기업지수.
B. Amazon Q 인덱스에 대한 교차 계정 액세스를 설정합니다.
C. 인증을 위해 Amazon Inspector를 구성합니다.
D. Amazon Q 인덱스에 대한 공개 액세스를 허용합니다.
E. 인증을 위해 AWS Identity and Access Management(IAM)를 구성합니다.

정답: AE

==================================================

=== 문제 332 ===
문제: 한 회사는 Amazon Comprehend를 사용하여 고객 피드백을 분석합니다. 고객이 여러 가지 고유한 훈련된 모델. 회사는
Comprehend를 사용하여 각 모델을 할당합니다. 끝점. 회사는 그렇지 않은 각 엔드포인트에 대한 보고서를 자동화하려고 합니다. 15일 이상
사용했습니다. 어떤 서비스가 이러한 요구 사항을 충족합니까?

답변 목록:
A. AWS 신뢰 고문
B. 아마존 클라우드워치
C. AWS 클라우드트레일
D. AWS 구성

정답: B

==================================================

=== 문제 333 ===
문제: 한 회사는 생성적 AI 모델을 사용하여 실시간 서비스 견적을 제공할 계획입니다. 사용자에게. 회사는 올바른 모델을 선택하기 위해 어떤 기준을
사용해야 합니까? 이 사용 사례는 무엇입니까? [] [] ㄷ ㄷ

답변 목록:
A. 모델 크기
B. 훈련 데이터 품질
C. 범용 사용 및 고성능 GPU 가용성
D. 모델 지연 시간 및 최적화된 추론 속도

정답: D

==================================================

=== 문제 334 ===
문제: AI 실무자는 오픈 소스 LLM(대형 언어 모델)을 미세 조정해야 합니다. 텍스트 분류. 데이터 세트가 이미 준비되었습니다. 어떤 솔루션이
충족될까요? 최소한의 운영 노력으로 이러한 요구 사항을 충족할 수 있습니까? [] [] BB

답변 목록:
A. Amazon Bedrock의 PartyRock에서 사용자 지정 모델 훈련 작업을 생성합니다.
B. Amazon SageMaker JumpStart를 사용하여 훈련 작업을 생성합니다.
C. 사용자 지정 스크립트를 사용하여 Amazon SageMaker AI 모델 훈련 작업을 실행합니다.
D. Amazon EC2 인스턴스에 Jupyter 노트북을 생성합니다. 노트북을 사용하여
모델을 훈련시킵니다.

정답: B

==================================================