Amazon AWS Certified Machine Learning Engineer - Associate (MLA-C01日本語版) - MLA-C01日本語 Exam Questions
QUESTION NO: 1
ある企業は、Amazon Bedrock でサポートされている大規模言語モデル (LLM) を使用して、社内の技術ドキュメント用のチャット インターフェイスを開発したいと考えています。
ドキュメントは、合計数メガバイトの数十のテキスト ファイルで構成されており、頻繁に更新されます。
これらの要件を最もコスト効率よく満たすソリューションはどれでしょうか?
ある企業は、Amazon Bedrock でサポートされている大規模言語モデル (LLM) を使用して、社内の技術ドキュメント用のチャット インターフェイスを開発したいと考えています。
ドキュメントは、合計数メガバイトの数十のテキスト ファイルで構成されており、頻繁に更新されます。
これらの要件を最もコスト効率よく満たすソリューションはどれでしょうか?
Correct Answer: C
Explanation: Only visible for Pass4Test members. You can sign-up / login (it's free).
QUESTION NO: 2
ある企業は、Amazon SageMaker AI のトレーニングジョブを使用してニューラルネットワークを学習します。このジョブはまずモデルを学習し、次にモデルのパフォーマンスをテストデータセットで評価します。評価フェーズの結果に基づき、学習済みモデルを本番環境に移行するかどうかを判断します。
トレーニングフェーズに時間がかかりすぎます。同社は、モデルの最終的なパフォーマンスを低下させることなくトレーニング時間を短縮できるソリューションを必要としています。
以下のリストから、それぞれの説明の要件を満たす正しい解決策を選択してください。各解決策を1つだけ選択するか、まったく選択しないでください。(3つ選択してください。)
エポック数を変更します。
Amazon EC2 スポットフリートを選択します。
バッチサイズを変更します。
トレーニング ジョブでは早期停止を使用します。
SageMaker Al 分散データ並列処理 (SMDDP) ライブラリを使用します。
トレーニングジョブを停止します。
ある企業は、Amazon SageMaker AI のトレーニングジョブを使用してニューラルネットワークを学習します。このジョブはまずモデルを学習し、次にモデルのパフォーマンスをテストデータセットで評価します。評価フェーズの結果に基づき、学習済みモデルを本番環境に移行するかどうかを判断します。
トレーニングフェーズに時間がかかりすぎます。同社は、モデルの最終的なパフォーマンスを低下させることなくトレーニング時間を短縮できるソリューションを必要としています。
以下のリストから、それぞれの説明の要件を満たす正しい解決策を選択してください。各解決策を1つだけ選択するか、まったく選択しないでください。(3つ選択してください。)
エポック数を変更します。
Amazon EC2 スポットフリートを選択します。
バッチサイズを変更します。
トレーニング ジョブでは早期停止を使用します。
SageMaker Al 分散データ並列処理 (SMDDP) ライブラリを使用します。
トレーニングジョブを停止します。
Correct Answer:
Explanation:
Change the number of samples used in each iteration of training
Correct selection:
Change the batch size
Why:
Increasing the batch size reduces the number of iterations per epoch, which can significantly shorten training time while maintaining model quality when tuned appropriately. AWS explicitly recommends batch size tuning as a primary performance optimization.
Increase the number of instances used during training
Correct selection:
Use the SageMaker AI distributed data parallelism (SMDDP) library
Why:
SMDDP is designed to efficiently distribute training data across multiple GPU instances with optimized gradient synchronization. This accelerates training without affecting model convergence or accuracy, unlike naive scaling approaches.
Stop training before the maximum number of epochs are reached if performance is sufficient and not improving Correct selection:
Use early stopping on the training job
Why:
Early stopping automatically terminates training when validation metrics stop improving. AWS recommends this to reduce wasted compute time while preserving optimal model performance.
QUESTION NO: 3
ある企業は、コンテナ化された機械学習アプリケーションのコスト削減を目指しています。これらのアプリケーションは、Amazon EC2インスタンス、AWS Lambda関数、Amazon Elastic Container Service（Amazon ECS）クラスター上で実行される機械学習モデルを使用しています。EC2ワークロードとECSワークロードは、予測結果とアーティファクトを保存するためにAmazon Elastic Block Store（Amazon EBS）ボリュームを使用しています。
MLエンジニアは、非効率的に使用されているリソースを特定する必要があります。また、これらのリソースのコストを削減するための推奨事項を生成する必要もあります。
最も少ない開発労力でこれらの要件を満たすソリューションはどれでしょうか?
ある企業は、コンテナ化された機械学習アプリケーションのコスト削減を目指しています。これらのアプリケーションは、Amazon EC2インスタンス、AWS Lambda関数、Amazon Elastic Container Service（Amazon ECS）クラスター上で実行される機械学習モデルを使用しています。EC2ワークロードとECSワークロードは、予測結果とアーティファクトを保存するためにAmazon Elastic Block Store（Amazon EBS）ボリュームを使用しています。
MLエンジニアは、非効率的に使用されているリソースを特定する必要があります。また、これらのリソースのコストを削減するための推奨事項を生成する必要もあります。
最も少ない開発労力でこれらの要件を満たすソリューションはどれでしょうか?
Correct Answer: A
Explanation: Only visible for Pass4Test members. You can sign-up / login (it's free).
QUESTION NO: 4
MLエンジニアが推論用にAmazon SageMaker AIモデルをデプロイしたいと考えています。ペイロードサイズは3MB未満で、処理時間は45秒を超えません。トラフィックパターンは不規則または予測不可能です。
これらの要件を最もコスト効率よく満たす推論オプションはどれでしょうか?
MLエンジニアが推論用にAmazon SageMaker AIモデルをデプロイしたいと考えています。ペイロードサイズは3MB未満で、処理時間は45秒を超えません。トラフィックパターンは不規則または予測不可能です。
これらの要件を最もコスト効率よく満たす推論オプションはどれでしょうか?
Correct Answer: A
Explanation: Only visible for Pass4Test members. You can sign-up / login (it's free).
QUESTION NO: 5
ある企業が、機械学習モデル用のAmazon SageMaker AIパイプラインを構築しています。このパイプラインは、分散処理と分散トレーニングを採用しています。
MLエンジニアは、分散ジョブを実行するインスタンス間のネットワーク通信を暗号化する必要があります。MLエンジニアは、分散ジョブをプライベートVPCで実行するように設定します。
暗号化要件を満たすために ML エンジニアは何をすべきでしょうか?
ある企業が、機械学習モデル用のAmazon SageMaker AIパイプラインを構築しています。このパイプラインは、分散処理と分散トレーニングを採用しています。
MLエンジニアは、分散ジョブを実行するインスタンス間のネットワーク通信を暗号化する必要があります。MLエンジニアは、分散ジョブをプライベートVPCで実行するように設定します。
暗号化要件を満たすために ML エンジニアは何をすべきでしょうか?
Correct Answer: D
Explanation: Only visible for Pass4Test members. You can sign-up / login (it's free).
QUESTION NO: 6
ML エンジニアは、大規模言語モデル (LLM) を使用して、Amazon Bedrock 上に生成 AI アプリケーションを構築しています。
以下のリストから、それぞれの説明に適した生成AI用語を選択してください。各用語は1回だけ選択するか、全く選択しないでください。(3つ選択してください。)
* 埋め込み
* 検索拡張生成(RAG)
* 温度
* トークン
ML エンジニアは、大規模言語モデル (LLM) を使用して、Amazon Bedrock 上に生成 AI アプリケーションを構築しています。
以下のリストから、それぞれの説明に適した生成AI用語を選択してください。各用語は1回だけ選択するか、全く選択しないでください。(3つ選択してください。)
* 埋め込み
* 検索拡張生成(RAG)
* 温度
* トークン
Correct Answer:
Explanation:
Text representation of basic units of data processed by LLMs: Token
High-dimensional vectors that contain the semantic meaning of text: Embedding Enrichment of information from additional data sources to improve a generated response: Retrieval Augmented Generation (RAG) Comprehensive Detailed Explanation Token:
Description: A token represents the smallest unit of text (e.g., a word or part of a word) that an LLM processes. For example, " running " might be split into two tokens: " run " and " ing. " Why? Tokens are the fundamental building blocks for LLM input and output processing, ensuring that the model can understand and generate text efficiently.
Embedding:
Description: High-dimensional vectors that encode the semantic meaning of text. These vectors are representations of words, sentences, or even paragraphs in a way that reflects their relationships and meaning.
Why? Embeddings are essential for enabling similarity search, clustering, or any task requiring semantic understanding. They allow the model to " understand " text contextually.
Retrieval Augmented Generation (RAG):
Description: A technique where information is enriched or retrieved from external data sources (e.g., knowledge bases or document stores) to improve the accuracy and relevance of a model ' s generated responses.
Why? RAG enhances the generative capabilities of LLMs by grounding their responses in factual and up-to- date information, reducing hallucinations in generated text.
By matching these terms to their respective descriptions, the ML engineer can effectively leverage these concepts to build robust and contextually aware generative AI applications on Amazon Bedrock.
QUESTION NO: 7
ある企業が、コンテナにパッケージ化された機械学習モデルをトレーニングしました。同社はこのモデルを既存のPythonウェブアプリケーションに統合する予定です。同社はKubernetesを使用してAWS上にモデルをホストする必要があります。
同社はコントロールプレーンの管理を望まず、リソースを再現可能な方法でプロビジョニングする必要がある。インフラストラクチャはPythonを使用してプロビジョニングされなければならない。
これらの要件を満たすソリューションはどれでしょうか？
ある企業が、コンテナにパッケージ化された機械学習モデルをトレーニングしました。同社はこのモデルを既存のPythonウェブアプリケーションに統合する予定です。同社はKubernetesを使用してAWS上にモデルをホストする必要があります。
同社はコントロールプレーンの管理を望まず、リソースを再現可能な方法でプロビジョニングする必要がある。インフラストラクチャはPythonを使用してプロビジョニングされなければならない。
これらの要件を満たすソリューションはどれでしょうか？
Correct Answer: D
Explanation: Only visible for Pass4Test members. You can sign-up / login (it's free).
QUESTION NO: 8
企業は、既存のAmazon SageMaker AIエンドポイントのモデル定義を更新する必要があります。
推論への影響を最小限に抑えつつモデル定義設定を更新するために、以下のリストから適切な手順を選択し、順序付けしてください。各手順は1回だけ選択するか、全く選択しないかのどちらかです。(3つ選択して順序付けしてください。)
* 新しいモデル定義を使用する新しいエンドポイント構成を作成します。
* SageMaker AI API の CreateModel アクションを使用して、更新された設定で新しいモデル定義を作成します。
更新が必要なエンドポイントを削除し、新しいエンドポイント構成でエンドポイントを再作成します。
* ExecutionRoleArn パラメーターの IAM ロールと権限を削除します。
* 新しいエンドポイント構成でエンドポイントを更新します。
企業は、既存のAmazon SageMaker AIエンドポイントのモデル定義を更新する必要があります。
推論への影響を最小限に抑えつつモデル定義設定を更新するために、以下のリストから適切な手順を選択し、順序付けしてください。各手順は1回だけ選択するか、全く選択しないかのどちらかです。(3つ選択して順序付けしてください。)
* 新しいモデル定義を使用する新しいエンドポイント構成を作成します。
* SageMaker AI API の CreateModel アクションを使用して、更新された設定で新しいモデル定義を作成します。
更新が必要なエンドポイントを削除し、新しいエンドポイント構成でエンドポイントを再作成します。
* ExecutionRoleArn パラメーターの IAM ロールと権限を削除します。
* 新しいエンドポイント構成でエンドポイントを更新します。
Correct Answer:
Explanation:
Step 1: Create a new model definition with updated settings by using the CreateModel action in the SageMaker AI API.
Step 2: Create a new endpoint configuration that uses the new model definition.
Step 3: Update the endpoint with the new endpoint configuration.
Do not delete and recreate the endpoint. That causes unnecessary inference interruption. SageMaker endpoint updates are designed to use a new EndpointConfig; AWS explicitly states that to update an endpoint, you must create a new endpoint configuration, then call UpdateEndpoint on the existing endpoint. During the update, SageMaker changes the endpoint to Updating and then back to InService.
