Quiz App

Quiz App

AWS AIF-C01 (AI Practitioner)

AWS AIF-C01 (AI Practitioner) の試験対策問題を294問収録。無料のサンプル問題で出題形式を確認できます。

出題範囲

AIP-C01 D2 FM API統合とレジリエンシー
21 問
AIP-C01 D2 エージェント設計とツール統合
20 問
AIP-C01 D2 FMデプロイ戦略と推論方式選択
19 問
AIP-C01 D2 エンタープライズ統合アーキテクチャ
19 問
AIP-C01 D4 パフォーマンス最適化とモニタリング
18 問
AIP-C01 D5 GenAI評価とテスト
18 問
AIP-C01 D1 ベクターストアと埋め込み設計
18 問
AIP-C01 D1 FM選定とGenAIアーキテクチャ設計
18 問
AIP-C01 D4 コスト最適化とリソース効率
18 問
AIP-C01 D5 GenAIトラブルシューティング
17 問
AIP-C01 D1 RAG検索メカニズムの最適化
17 問
AIP-C01 D1 データバリデーションとFM入力パイプライン
17 問
AIP-C01 D3 入出力安全制御とプロンプト保護
15 問
AIP-C01 D3 AIガバナンスとコンプライアンス
15 問
AIP-C01 D3 データセキュリティとプライバシー保護
15 問
AIP-C01 D3 責任あるAIと公平性
15 問
AIP-C01 D1 プロンプト設計とガバナンス
14 問

サンプル問題

問1. ある生成AI開発チームは、オープンウェイトの基盤モデルに独自のトレーニングコードを適用し、複数のGPUインスタンスを使用して分散トレーニングを実行します。セキュリティ審査済みの独自Dockerイメージを学習と推論の両方で使用する必要があります。また、データ準備、学習、評価、承認、本番デプロイを再現可能なCI/CDワークフローとして管理し、モデルのバージョンと承認状態を一元管理したいと考えています。基盤の運用負荷を最小限に抑えながら、これらの要件を満たす最も適切な構成はどれですか？
  1. Amazon BedrockのマネージドFMをオンデマンドで呼び出し、Prompt managementを使用してプロンプトのバージョンを管理する
  2. Amazon SageMaker AIで独自の学習用および推論用コンテナを使用し、SageMaker Pipelines、SageMaker Model Registry、マネージドエンドポイントを組み合わせる
  3. Amazon EC2のGPUインスタンスをAuto Scalingグループで起動し、学習、評価、承認、デプロイをシェルスクリプトで管理する
  4. Amazon ECS on AWS Fargateで独自コンテナを実行し、AWS CodeDeployを使用してモデルファイルを更新する
問2. ある企業は、Amazon Bedrockを使用して顧客サポートチャットボットを構築しています。問い合わせの大半は、検索済みのFAQ情報を基に回答する単純な質問です。代表的な評価データセットによるテストでは、小型FMと大型FMの両方が最低品質基準を満たしました。トラフィック量は時間帯によって大きく変動し、企業はアイドル時の固定費を避けながら、ユーザーに最初の生成結果をできるだけ早く表示したいと考えています。品質基準を維持しつつ、推論コストと運用負荷を最小化する最も適切な設計はどれですか？
  1. 品質基準を満たした小型FMをオンデマンドで呼び出し、ConverseStreamを使用して生成結果をストリーミングする
  2. 大型FMのProvisioned Throughputを常時確保し、応答全体が生成された後でユーザーに返す
  3. 小型FMをAmazon Bedrockのバッチ推論で実行し、処理が完了した問い合わせから順番に回答する
  4. すべての問い合わせを小型FMと大型FMの両方へ送信し、アプリケーションが各回答を比較してから返す
問3. ある企業は、Amazon Bedrock上の複数のFMを使用する顧客サポートシステムを設計しています。アプリケーションは問い合わせの分類結果に基づいて、請求、技術サポート、一般案内に適したFMへリクエストをルーティングします。使用するFMはすべてBedrock Converse APIをサポートしています。運用チームは、モデルIDとルーティング規則をアプリケーションの再デプロイなしで変更し、問題が発生した設定を迅速にロールバックする必要があります。また、トラフィック変動へ自動的に追随し、サーバー管理を最小化する必要があります。最も適切なアーキテクチャはどれですか？
  1. Amazon API GatewayからAWS Lambdaを呼び出し、LambdaがAWS AppConfig Agentからルーティング設定を取得して、選択したFMをBedrock Converse APIで呼び出す
  2. モデルIDをAWS Lambdaのソースコードにハードコードし、FMごとに異なるInvokeModelリクエスト形式を実装する
  3. Amazon Bedrock Intelligent Prompt Routingを使用し、異なるプロバイダーの任意のFMへ業務トピックに基づいてルーティングする
  4. SageMaker Model RegistryへBedrockのモデルIDを登録し、承認済みモデルをAWS Lambdaが自動的に検出して呼び出す

続きを解くにはログインが必要です