Amazon AWS Certified Machine Learning - Specialty (MLS-C01 Korean Version) - MLS-C01 Korean Exam Questions

QUESTION NO: 1
한 대형 이동통신망 운영 회사가 서비스 해지 가능성이 높은 고객을 예측하는 머신러닝 모델을 구축하고 있습니다. 이 회사는 이러한 고객에게 인센티브를 제공할 계획입니다. 이탈 비용이 인센티브 비용보다 훨씬 크기 때문입니다.
이 모델은 100명의 고객으로 구성된 테스트 데이터 세트를 평가한 후 다음과 같은 혼동 행렬을 생성합니다.
모델 평가 결과를 바탕으로 볼 때, 이 모델이 생산에 적합한 이유는 무엇입니까?

QUESTION NO: 2
농업 회사가 기계 학습을 사용하여 100에이커의 초원 밭에서 특정 유형의 잡초를 감지하는 데 관심이 있습니다. 현재 이 회사는 트랙터에 장착된 카메라를 사용하여 10×10 그리드로 밭의 여러 이미지를 캡처합니다. 이 회사는 또한 광엽 및 비광엽 도크와 같은 인기 있는 잡초 종류의 주석이 달린 이미지로 구성된 대규모 교육 데이터 세트를 보유하고 있습니다.
이 회사는 특정 유형의 잡초와 현장 내 각 유형의 위치를 ​​감지하는 잡초 감지 모델을 구축하고자 합니다. 모델이 준비되면 Amazon SageMaker 엔드포인트에 호스팅됩니다.
이 모델은 카메라가 촬영한 이미지를 사용하여 실시간 추론을 수행합니다.
정확한 예측을 얻으려면 머신 러닝 전문가가 어떤 접근 방식을 취해야 할까요?

QUESTION NO: 3
머신 러닝 전문가는 일반적으로 머신 러닝 분류 모델을 서로 비교 / 평가하기 위해 어떤 메트릭을 사용해야 합니까?

QUESTION NO: 4
한 회사가 머신 러닝(ML)을 사용하여 고객 이탈 예측 모델을 개선하고자 합니다. 이 회사는 Amazon Redshift 데이터 웨어하우스에 데이터를 저장합니다.
데이터 과학 팀은 Amazon Redshift 머신 러닝(Amazon Redshift ML)을 사용하여 모델을 구축하고 데이터 웨어하우스 내에서 직접 새로운 데이터에 대한 예측을 실행하려고 합니다.
회사가 Amazon Redshift ML을 사용하여 이러한 요구 사항을 충족하려면 어떤 단계 조합을 취해야 합니까? (3가지를 선택하세요.)

QUESTION NO: 5
한 회사가 바쁜 항구에서 대형 크레인을 운영하고 있습니다. 회사는 예상치 못한 고장을 방지하고 생산성을 향상시키기 위해 크레인의 예측 유지 관리에 기계 학습(ML)을 사용할 계획입니다.
회사는 이미 각 크레인의 센서 데이터를 사용하여 크레인의 상태를 실시간으로 모니터링하고 있습니다. 센서 데이터에는 각 크레인의 회전 속도, 장력, 에너지 소비, 진동, 압력 및 기능이 포함됩니다. 회사는 ML 솔루션을 구현하기 위해 AWS ML 전문가와 계약합니다.
ML 기반 솔루션이 이 시나리오에 적합하다는 것을 나타내는 잠재적 결과는 무엇입니까? (2개를 선택하세요.)

QUESTION NO: 6
기관은 국가 내에서 인구 조사 정보를 수집하여 지방 및 도시별로 의료 및 사회 프로그램 요구 사항을 결정합니다. 인구 조사 양식은 각 시민으로부터 약 500개의 질문에 대한 응답을 수집합니다. 어떤 알고리즘 조합이 적절한 통찰력을 제공할까요? (2개 선택)

QUESTION NO: 7
한 회사에서 매일 100TB의 예측을 생성하는 기계 학습 예측 서비스를 실행하고 있습니다. 기계 학습 전문가는 예측에서 일일 정밀 회수 곡선의 시각화를 생성하고 읽기 전용 버전을 비즈니스 팀으로 전달해야 합니다.
LEAST 코딩 노력이 필요한 솔루션은 무엇입니까?

QUESTION NO: 8
회사는 기계 학습(ML)을 기반으로 예측 유지 관리 모델을 구축하고 있습니다. 데이터는 AWS Key Management Service(AWS KMS) CMK로 미사용 시 암호화되는 완전 프라이빗 Amazon S3 버킷에 저장됩니다. ML 전문가는 Amazon SageMaker 노트북의 코드에서 트리거되는 Amazon SageMaker 처리 작업을 사용하여 데이터 사전 처리를 실행해야 합니다. 작업은 Amazon S3에서 데이터를 읽고 처리한 다음 동일한 S3 버킷에 다시 업로드해야 합니다. 전처리 코드는 Amazon Elastic Container Registry(Amazon ECR)의 컨테이너 이미지에 저장됩니다. ML 전문가는 원활한 데이터 사전 처리 워크플로를 보장하기 위해 권한을 부여해야 합니다.
ML 전문가는 이러한 요구 사항을 충족하기 위해 어떤 조치를 취해야 합니까?

QUESTION NO: 9
Example Corp은 10월부터 12월까지 연간 판매 이벤트를 합니다. 이 회사는 지난 15년 동안의 순차 판매 데이터를 가지고 있으며 Amazon ML을 사용하여 올해의 다가오는 이벤트의 판매를 예측하려고 합니다. Example Corp은 데이터를 훈련 데이터 세트와 평가 데이터 세트로 분할하기 위해 어떤 방법을 사용해야 합니까?

QUESTION NO: 10
제조 회사는 기계 학습 전문가에게 결함 부품을 8가지 결함 유형 중 하나로 분류하는 모델을 개발하도록 요청합니다. 회사는 교육을 위해 결함 유형당 약 100000개의 이미지를 제공했습니다. 이미지 분류 모델의 인지얼 교육 중에 전문가는 검증 정확도가 80%인 반면 교육 정확도는 90%임을 알아차립니다. 이 유형에 대한 인간 수준의 성능이 알려진 이미지 분류 비율이 약 90%입니다. 전문가는 이 문제를 해결하기 위해 무엇을 고려해야 합니까1?

QUESTION NO: 11
회사에서 추천 엔진의 새 버전을 구축 중입니다. 머신 러닝(ML) 전문가는 맞춤형 추천을 개선하기 위해 사용자로부터 새로운 데이터를 계속 추가해야 합니다. ML 전문가는 플랫폼에서 사용자의 상호 작용과 외부 웹 사이트 및 소셜 미디어와 같은 소스에서 데이터를 수집합니다.
파이프라인은 매일 테라바이트의 데이터를 정리, 변환, 강화 및 압축하며 이 데이터는 Amazon S3에 저장됩니다. Python 스크립트 세트는 작업을 수행하도록 코딩되었으며 대규모 Amazon EC2 인스턴스에 저장됩니다. 전체 프로세스를 완료하는 데 20시간 이상이 걸리며 각 스크립트에는 최소 1시간이 걸립니다. 이 회사는 스크립트를 Amazon EC2에서 서버를 유지 관리할 필요가 없는 보다 관리되는 솔루션으로 옮기기를 원합니다.
최소한의 개발 노력으로 이러한 모든 요구 사항을 해결할 수 있는 접근 방식은 무엇입니까?

QUESTION NO: 12
물류 회사는 10개의 창고에 있는 단일 품목에 대한 다음 달의 재고 요구 사항을 예측하기 위해 예측 모델이 필요합니다. 기계 학습 전문가는 Amazon Forecast를 사용하여 3년 동안의 월별 데이터에서 예측 모델을 개발합니다. 누락된 데이터가 없습니다. 전문가는 예측자를 훈련하기 위해 DeepAR+ 알고리즘을 선택합니다. 예측자는 절대 백분율 오차(MAPE)가 현재 인간 예측자가 생성한 MAPE보다 훨씬 크다는 것을 의미합니다.
MAPE를 개선할 수 있는 CreatePredictor API 호출의 변경 사항은 무엇입니까? (2개를 선택하세요.)

QUESTION NO: 13
한 소매 회사는 정기적으로 Amazon S3에 100GB의 일일 트랜잭션 데이터를 저장합니다. 회사는 거래 데이터의 스키마를 식별하려고 합니다. 또한 회사는 Amazon S3에 있는 트랜잭션 데이터에 대한 변환을 수행하려고 합니다.
회사는 기계 학습(ML) 접근 방식을 사용하여 변환된 데이터에서 사기를 탐지하려고 합니다.
최소한의 운영 오버헤드로 이러한 요구 사항을 충족하는 솔루션 조합은 무엇입니까? {3개를 선택하세요.)

QUESTION NO: 14
한 미디어 회사가 Amazon SageMaker를 사용하여 회사 독자에게 새로운 기사를 추천하는 머신러닝(ML) 모델을 구축하려고 합니다. 이 회사의 독자는 주로 특정 도시에 거주합니다.
이 회사는 예상대로 독자 트래픽이 가장 많은 시간대가 이른 아침, 점심 식사 후, 그리고 퇴근 후라는 것을 알게 되었습니다. 다른 시간대에는 트래픽이 거의 없습니다. 이 미디어 회사는 독자에게 추천을 제공하는 데 필요한 시간을 최소화해야 합니다. 추론을 위해 API 호출이 반환할 것으로 예상되는 데이터 양은 4MB 미만입니다.
어떤 솔루션이 가장 비용 효율적인 방식으로 이러한 요구 사항을 충족할 수 있을까요?

QUESTION NO: 15
전자상거래 회사가 10,000개의 클래스가 있는 대규모 이미지 분류 모델을 훈련하고자 합니다. 이 회사는 여러 모델 훈련 반복을 실행하고 운영 오버헤드와 비용을 최소화해야 합니다. 또한 이 회사는 작업 손실과 모델 재훈련을 피해야 합니다.
어떤 솔루션이 이러한 요구 사항을 충족시킬까요?