AWS Certified AI Practitioner (AIF-C01)

AWS Certified AI Practitioner (AIF-C01) 更新于今天
  • 查看第 7 至第 24 页.
  • 查看第 31-35 至第 120 道题
Disclaimers:
  • - ExamTopics website is not related to, affiliated with, endorsed or authorized by Amazon.and Azure
  • - Trademarks, certification & product names are used for reference only and belong to Amazon.and Azure

Topic 1 - Exam A

Question #31 Topic 1

一家大型零售银行希望开发一个 ML 系统,以帮助风险管理团队决定针对不同人群的贷款分配。银行必须做些什么来开发一个无偏见的 ML 模型?

  • A 减小训练数据集的大小。
  • B 确保 ML 模型预测与历史结果一致。
  • C 为每个人口统计群体创建不同的 ML 模型。
  • D 测量训练数据集上的类不平衡。相应地调整训练过程。
正确答案: D
解析: 正确的答案是D,因为在开发无偏的机器学习模型时,必须测量训练数据集中的类别不平衡,并相应地调整训练过程。这确保了所有人口群体都能公平地代表,从而减少偏见的风险。
Question #32 Topic 1

一家零售店希望使用 Amazon SageMaker DeepAR 预测算法预测未来几周对特定产品的需求。哪种类型的数据将满足此要求?

  • A 文本数据
  • B 图像数据
  • C 时间序列数据
  • D 二进制数据
正确答案: C
解析: Amazon SageMaker DeepAR 算法主要用于时间序列数据的预测,因此选项 C (时间序列数据) 是正确的。其他选项如文本数据、图像数据和二进制数据不符合此算法的要求。
Question #33 Topic 1

一家软件公司为客户构建工具。该公司希望使用 AI 来提高软件开发效率。哪种解决方案将满足这些要求?

  • A 使用二元分类模型生成代码审查。
  • B 在公司的开发人员工具中安装代码推荐软件。
  • C 安装代码预测工具以预测潜在的代码问题。
  • D 使用自然语言处理 (NLP) 工具生成代码。
正确答案: B
解析: 选项 B 是正确的,因为安装代码推荐软件可以直接在开发工具中提供代码建议,从而提高开发效率。而其他选项涉及到的技术(如二元分类模型、代码预测工具和自然语言处理)虽然也可能对提高生产力有所帮助,但不如直接安装代码推荐软件来得直接和有效。
Question #34 Topic 1

ML 研究团队开发自定义 ML 模型。模型工件与其他团队共享,以便集成到产品和服务中。ML 团队保留模型训练代码和数据。ML 团队希望构建一种机制,ML 团队可以使用它来审计模型。在发布自定义 ML 模型时,ML 团队应该使用哪种解决方案?

  • A 创建包含相关信息的文档。将文档存储在 Amazon S3 中。
  • B 使用 AWS AI Service Cards 实现透明度和理解模型。
  • C 创建具有预期用途以及训练和推理详细信息的 Amazon SageMaker 模型卡。
  • D 创建模型训练脚本。将模型训练脚本提交到 Git 存储库。
正确答案: C
解析: 选项C(创建包含预期用途、训练和推理细节的Amazon SageMaker模型卡片)是最合适的选择,因为它能够提供透明度和理解模型所需的详细信息。此外,这与问题中提到的需要一个可以审计模型的机制相匹配。
Question #35 Topic 1

哪种 AWS 服务或功能可以帮助 AI 开发团队在团队的 VPC 中快速部署和使用基础模型 (FM)?

  • A Amazon 个性化
  • B Amazon SageMaker 快速启动
  • C PartyRock,亚马逊基岩游乐场
  • D Amazon SageMaker 终端节点
正确答案: B
解析: Amazon SageMaker JumpStart 提供了一种简便的方式来快速部署和使用基础模型,包括预构建的机器学习模型、内置算法和示例笔记本。这使得 AI 开发团队可以快速在他们自己的 VPC 中进行部署和使用。