¿NO QUIERES PERDERTE NADA?

Consejos para aprobar el examen de certificación

Últimas noticias sobre exámenes e información sobre descuentos.

Curado y actualizado por nuestros expertos.

Sí, envíame el boletín.

Preguntas del examen AWS MLS-C01 para una preparación eficaz | AWS Certified Developer - Associate

La preparación del examen AWS Certified Machine Learning - Specialty (MLS-C01) requiere un enfoque exhaustivo. Una de las maneras más eficaces de prepararse es utilizar preguntas y respuestas de examen, preguntas de prueba y simulacros de examen de alta calidad. Estos recursos no solo le ayudan a evaluar sus conocimientos, sino que también proporcionan información valiosa sobre el formato del examen y los tipos de preguntas que puede esperar. Proveedores reputados como SPOTO ofrecen una amplia gama de materiales de estudio, incluidas preguntas de examen, guías de preparación para el examen y pruebas prácticas. Sus recursos son cuidadosamente elaborados por expertos en la materia y se mantienen actualizados con los últimos objetivos del examen. Con estas ayudas de estudio, podrás identificar tus puntos fuertes y débiles, lo que te permitirá centrar tus esfuerzos en las áreas que necesitas mejorar. Además, los exámenes de prueba de SPOTO simulan el entorno real del examen, ayudándole a ganar confianza y a familiarizarse con las limitaciones de tiempo y los formatos de las preguntas. Al aprovechar estos recursos de examen y practicar con diligencia, puede aumentar sus posibilidades de aprobar el examen de certificación AWS Certified Machine Learning - Specialty con éxito en su primer intento.
Realizar otros exámenes en línea
Cuestionar #1
Una empresa que gestiona una biblioteca online está implementando un chatbot con Amazon Lex para ofrecer recomendaciones de libros en función de la categoría. Esta intención se cumple mediante una función de AWS Lambda que consulta una tabla de Amazon DynamoDB para obtener una lista de títulos de libros, dada una categoría determinada. Para las pruebas, solo hay tres categorías implementadas como tipos de ranura personalizados: "comedia", "aventura" y "documental". Un especialista en aprendizaje automático (ML) observa que, en ocasiones, la solicitud no se puede satisfacer porque Amazon Lex ca
A. ñadir las palabras no reconocidas en la lista de valores de enumeración como nuevos valores en el tipo de ranurA
B. ree un nuevo tipo de ranura personalizado, añada las palabras no reconocidas a este tipo de ranura como valores de enumeración y utilice este tipo de ranura para la ranurA
C. tilizar los tipos de ranura incorporados en AMAZON
D. ñadir las palabras no reconocidas como sinónimos en el tipo de ranura personalizadA
Ver respuesta
Respuesta correcta: D
Cuestionar #2
Una empresa de imágenes médicas quiere entrenar un modelo de visión informática para detectar áreas preocupantes en las tomografías computarizadas de los pacientes. La empresa tiene una gran colección de tomografías sin etiquetar vinculadas a cada paciente y almacenadas en un bucket de Amazon S3. Solo los usuarios autorizados pueden acceder a las exploraciones. Un ingeniero de aprendizaje automático necesita crear una canalización de etiquetado. ¿Qué conjunto de pasos debe seguir el ingeniero para crear la canalización de etiquetado con el MENOR esfuerzo?
A. onfigure Amazon Textract para enrutar las predicciones de baja confianza a Amazon SageMaker Ground Truth
B. tilizar una operación síncrona de Amazon Textract en lugar de una operación asíncronA
C. onfigure Amazon Textract para enrutar las predicciones de baja confianza a Amazon Augmented AI (Amazon A2I)
D. tilizar la función de Amazon Rekognition para detectar texto en una imagen para extraer los datos de las imágenes escaneadas
Ver respuesta
Respuesta correcta: C
Cuestionar #3
Un especialista en aprendizaje automático recibe datos de clientes de un sitio web de compras en línea. Los datos incluyen datos demográficos, visitas anteriores e información sobre la localidad. El especialista debe desarrollar un enfoque de aprendizaje automático para identificar los patrones de compra, las preferencias y las tendencias de los clientes con el fin de mejorar el sitio web para ofrecer un mejor servicio y recomendaciones inteligentes
A. atent Dirichlet Allocation (LDA) para la colección dada de datos discretos para identificar patrones en la base de datos de clientes
B. na red neuronal con un mínimo de tres capas y pesos iniciales aleatorios para identificar patrones en la base de datos de clientes
C. iltrado colaborativo basado en las interacciones y correlaciones de los usuarios para identificar patrones en la base de datos de clientes
D. andom Cut Forest (RCF) sobre submuestras aleatorias para identificar patrones en la base de datos de clientes
Ver respuesta
Respuesta correcta: C
Cuestionar #4
Una empresa que promueve patrones de sueño saludables proporcionando dispositivos conectados a la nube aloja actualmente una aplicación de seguimiento del sueño en AWS. La aplicación recopila información sobre el uso de los dispositivos por parte de los usuarios. El equipo de ciencia de datos de la compañía está creando un modelo de aprendizaje automático para predecir si un usuario dejará de utilizar los dispositivos de la compañía y cuándo lo hará. Las predicciones de este modelo se utilizan en una aplicación posterior que determina la mejor forma de ponerse en contacto con los usuarios
A. ree y hospede varios modelos en Amazon SageMaker
B. ree y hospede varios modelos en Amazon SageMaker
C. onstruir y hospedar múltiples modelos en Amazon SageMaker Neo para tener en cuenta diferentes tipos de dispositivos médicos
D. Crear y hospedar varios modelos en Amazon SageMaker
Ver respuesta
Respuesta correcta: D
Cuestionar #5
Un especialista en aprendizaje automático necesita mover y transformar datos para preparar el entrenamiento. Algunos de los datos deben procesarse casi en tiempo real y otros pueden moverse cada hora. Existen trabajos de MapReduce de Amazon EMR para limpiar y realizar ingeniería de características en los datos. Cuál de los siguientes servicios puede alimentar datos a los trabajos de MapReduce? (Elija dos.)
A. ree la imagen Docker con el código de inferenciA
B. erializar el modelo entrenado para que el formato esté comprimido para el despliegue
C. erializar el modelo entrenado para que el formato esté comprimido para el despliegue
D. ree la imagen de Docker con el código de inferenciA
Ver respuesta
Respuesta correcta: BC
Cuestionar #6
Un especialista en aprendizaje automático preparó el siguiente gráfico que muestra los resultados de k-means para k = [1..10]: Teniendo en cuenta el gráfico, ¿cuál es una selección razonable para la elección óptima de k?
A.
B.
C.
D. 0
Ver respuesta
Respuesta correcta: B
Cuestionar #7
Una empresa vende miles de productos en un sitio web público y desea identificar automáticamente los productos con posibles problemas de durabilidad. La empresa tiene 1.000 reseñas con campos de fecha, puntuación de estrellas, texto de la reseña, resumen de la reseña y correo electrónico del cliente, pero muchas reseñas están incompletas y tienen campos vacíos. Un especialista en aprendizaje automático debe entrenar un modelo para identificar las opiniones que expresan preocupación por la durabilidad del producto. El primer modelo necesita
A. ntrenar un clasificador personalizado utilizando Amazon Comprehend
B. onstruir una red neuronal recurrente (RNN) en Amazon SageMaker utilizando Gluon y Apache MXNet
C. ntrenar un modelo BlazingText integrado utilizando el modo Word2Vec en Amazon SageMaker
D. Utilizar un modelo seq2seq integrado en Amazon SageMaker
Ver respuesta
Respuesta correcta: B
Cuestionar #8
Un especialista en aprendizaje automático está construyendo un modelo de regresión logística para predecir si una persona pedirá o no una pizza. El especialista está tratando de construir el modelo óptimo con un umbral de clasificación ideal. ¿Qué técnica de evaluación de modelos debe utilizar el especialista para entender cómo los diferentes umbrales de clasificación afectarán el rendimiento del modelo?
A. urva receiver operating characteristic (ROC)
B. asa de clasificación errónea
C. rror cuadrático medio (RMSE)
D. orma L1
Ver respuesta
Respuesta correcta: A
Cuestionar #9
Un especialista en aprendizaje automático está creando un modelo que realizará previsiones de series temporales con Amazon SageMaker. El especialista ha terminado de entrenar el modelo y ahora planea realizar pruebas de carga en el punto de enlace para poder configurar Auto Scaling para la variante del modelo. ¿Qué enfoque permitirá al especialista revisar la latencia, la utilización de la memoria y la utilización de la CPU durante la prueba de carga?
A. evise los logs de SageMaker que se han escrito en Amazon S3 aprovechando Amazon Athena y Amazon QuickSight para visualizar los logs a medida que se producen
B. Generar un panel de Amazon CloudWatch para crear una vista única de las métricas de latencia, utilización de la memoria y utilización de la CPU generadas por Amazon SageMaker
C. ree logs personalizados de Amazon CloudWatch y, a continuación, aproveche Amazon ES y Kibana para consultar y visualizar los datos de logs a medida que los genera Amazon SageMaker
D. Enviar los logs de Amazon CloudWatch generados por Amazon SageMaker a Amazon ES y utilizar Kibana para consultar y visualizar los datos de log
Ver respuesta
Respuesta correcta: B
Cuestionar #10
Una empresa está observando una baja precisión al entrenar con el algoritmo de clasificación de imágenes incorporado por defecto en Amazon SageMaker. El equipo de ciencia de datos desea utilizar una arquitectura de red neuronal Inception en lugar de una arquitectura ResNet (Elija dos.)
A. a tasa de aprendizaje debe aumentarse porque el proceso de optimización quedó atrapado en un mínimo local
B. a tasa de abandono en la capa plana debe aumentarse porque el modelo no está suficientemente generalizado
C. a dimensionalidad de la capa densa junto a la capa plana debe aumentarse porque el modelo no es lo suficientemente complejo
D. l número de épocas debe aumentarse porque el proceso de optimización se ha terminado antes de alcanzar el mínimo global
Ver respuesta
Respuesta correcta: CD
Cuestionar #11
Una gran empresa ha desarrollado una aplicación de BI que genera informes y cuadros de mando a partir de datos recogidos de diversas métricas operativas. La empresa quiere ofrecer a los ejecutivos una experiencia mejorada para que puedan utilizar el lenguaje natural para obtener datos de los informes. La empresa quiere que los ejecutivos puedan hacer preguntas utilizando interfaces escritas y habladas. ¿Qué combinación de servicios se puede utilizar para construir esta interfaz conversacional? (Elija tres.)
A. argue el modelo en una instancia de bloc de notas de Amazon SageMaker y utilice la función HPO de Amazon SageMaker para optimizar los hiperparámetros del modelo
B. ñadir más datos al conjunto de entrenamiento y volver a entrenar el modelo utilizando el aprendizaje por transferencia para reducir el sesgo
C. tilizar un modelo de red neuronal con más capas preentrenado en ImageNet y aplicar el aprendizaje por transferencia para aumentar la varianzA
D. ntrenar un nuevo modelo utilizando la arquitectura de red neuronal actual
Ver respuesta
Respuesta correcta: BEF
Cuestionar #12
Un equipo de aprendizaje automático ejecuta su propio algoritmo de entrenamiento en Amazon SageMaker. El algoritmo de entrenamiento requiere activos externos. El equipo necesita enviar a Amazon SageMaker tanto su propio código de algoritmo como parámetros específicos del algoritmo.¿Qué combinación de servicios debe utilizar el equipo para crear un algoritmo personalizado en Amazon SageMaker? (Elija dos.)
A. 0
B. 0
C. 00
D. ,400
Ver respuesta
Respuesta correcta: CE
Cuestionar #13
Una empresa de fabricación dispone de un amplio conjunto de datos históricos de ventas etiquetados. El fabricante desea predecir cuántas unidades de una pieza concreta debe producir cada trimestre
A. egresión logística
B. osque de corte aleatorio (RCF)
C. nálisis de componentes principales (ACP)
D. Regresión lineal
Ver respuesta
Respuesta correcta: B
Cuestionar #14
Una agencia de seguridad de oficinas llevó a cabo un exitoso piloto utilizando 100 cámaras instaladas en ubicaciones clave dentro de la oficina principal. Las imágenes de las cámaras se cargaron en Amazon S3 y se etiquetaron con Amazon Rekognition, y los resultados se almacenaron en Amazon ES. La agencia pretende ahora ampliar el piloto a un sistema de producción completo que utilice miles de cámaras de vídeo en las ubicaciones de sus oficinas en todo el mundo. El objetivo es identificar actividades realizadas por no empleados en tiempo real¿Qué solución debería considerar la agencia?
A. tilice un servidor proxy en cada oficina local y para cada cámara, y transmita la transmisión RTSP a una transmisión de vídeo única de Amazon Kinesis Video Streams
B. tilice un servidor proxy en cada oficina local y para cada cámara, y transmita la transmisión RTSP a una transmisión de vídeo única de Amazon Kinesis Video Streams
C. nstale cámaras de AWS DeepLens y utilice el módulo DeepLens_Kinesis_Video para transmitir vídeo a Amazon Kinesis Video Streams para cada cámarA
D. nstale cámaras de AWS DeepLens y utilice el módulo DeepLens_Kinesis_Video para transmitir vídeo a Amazon Kinesis Video Streams para cada cámarA
Ver respuesta
Respuesta correcta: A
Cuestionar #15
Un especialista en aprendizaje automático desea determinar la configuración adecuada de SageMakerVariantInvocationsPerInstance para una configuración de escalado automático de endpoints. El especialista ha realizado una prueba de carga en una única instancia y ha determinado que el pico de solicitudes por segundo (RPS) sin degradación del servicio es de aproximadamente 20 RPS. Dado que se trata del primer despliegue, el especialista pretende establecer el factor de seguridad de invocación en 0,5. Basándose en los parámetros indicados y dado que el ajuste de invocaciones por instancia se mide como sigue
A. nicializar las palabras mediante vectores de frecuencia de términos-frecuencia inversa de documentos (TF-IDF) preentrenados en una gran colección de artículos de noticias relacionados con el sector energético
B. Utilice unidades recurrentes controladas (GRU) en lugar de LSTM y ejecute el proceso de entrenamiento hasta que la pérdida de validación deje de disminuir
C. educir la tasa de aprendizaje y ejecutar el proceso de entrenamiento hasta que la pérdida de entrenamiento deje de disminuir
D. nicializar las palabras mediante incrustaciones word2vec preentrenadas en una gran colección de artículos de noticias relacionados con el sector energético
Ver respuesta
Respuesta correcta: C
Cuestionar #16
Un banco quiere lanzar una promoción de créditos a bajo interés. El banco está situado en una ciudad que recientemente ha experimentado dificultades económicas. Sólo algunos de los clientes del banco se vieron afectados por la crisis, por lo que el equipo de crédito del banco debe identificar a qué clientes dirigir la promoción. Sin embargo, el equipo de crédito quiere asegurarse de que se tiene en cuenta todo el historial crediticio de los clientes leales a la hora de tomar la decisión
A. tilice Amazon SageMaker Studio para reconstruir el modelo
B. tilice Amazon SageMaker Studio para reconstruir el modelo
C. ree una instancia de bloc de notas de Amazon SageMaker
D. tilice Amazon SageMaker Studio para reconstruir el modelo
Ver respuesta
Respuesta correcta: C
Cuestionar #17
Un fabricante gestiona un gran número de fábricas con una compleja relación de cadena de suministro en la que el tiempo de inactividad inesperado de una máquina puede hacer que la producción se detenga en varias fábricas. Un científico de datos quiere analizar los datos de los sensores de las fábricas para identificar los equipos que necesitan un mantenimiento preventivo y, a continuación, enviar un equipo de servicio para evitar paradas imprevistas. Las lecturas de los sensores de una sola máquina pueden incluir hasta 200 puntos de datos, como temperaturas, tensiones, vibraciones, revoluciones por minuto y presión
A. mplemente el modelo en Amazon SageMaker
B. mplemente el modelo en AWS IoT Greengrass en cada fábricA
C. mplementar el modelo en un trabajo de transformación por lotes de Amazon SageMaker
D. mplemente el modelo en Amazon SageMaker y utilice una regla de IoT para escribir datos en una tabla de Amazon DynamoDB
Ver respuesta
Respuesta correcta: B
Cuestionar #18
Un especialista en aprendizaje automático está decidiendo entre construir un modelo bayesiano ingenuo o una red bayesiana completa para un problema de clasificación. El especialista calcula los coeficientes de correlación de Pearson entre cada característica y descubre que sus valores absolutos oscilan entre 0,1 y 0,95. ¿Qué modelo describe los datos subyacentes en esta situación?
A. Un modelo bayesiano ingenuo, ya que todas las características son condicionalmente independientes
B. Una red bayesiana completa, ya que todas las características son condicionalmente independientes
C. n modelo bayesiano ingenuo, ya que algunas de las características son estadísticamente dependientes
D. Una red bayesiana completa, ya que algunas de las características son estadísticamente dependientes
Ver respuesta
Respuesta correcta: D
Cuestionar #19
Un científico de datos está construyendo un modelo de regresión lineal y utilizará los valores p resultantes para evaluar la importancia estadística de cada coeficiente. Al inspeccionar el conjunto de datos, el científico descubre que la mayoría de las características tienen una distribución normal. ¿Qué transformación debe aplicar el científico de datos para cumplir los supuestos estadísticos del modelo de regresión lineal?
A. ransformación exponencial
B. ransformación logarítmica
C. ransformación polinómica
D. ransformación sinusoidal
Ver respuesta
Respuesta correcta: B
Cuestionar #20
Un ingeniero de datos necesita construir un modelo utilizando un conjunto de datos que contiene información de tarjetas de crédito de clientes. ¿Cómo puede el ingeniero de datos garantizar que los datos permanecen encriptados y que la información de la tarjeta de crédito está segura?
A. tilice un algoritmo de cifrado personalizado para cifrar los datos y almacenarlos en una instancia de Amazon SageMaker en una VPC
B. tilizar una política de IAM para cifrar los datos en el bucket de Amazon S3 y Amazon Kinesis para descartar automáticamente los números de tarjeta de crédito e insertar números de tarjeta de crédito falsos
C. tilizar una configuración de lanzamiento de Amazon SageMaker para cifrar los datos una vez copiados en la instancia de SageMaker en un VP Utilizar el algoritmo de análisis de componentes principales (PCA) de SageMaker para reducir la longitud de los números de tarjeta de crédito
D. tilizar AWS KMS para cifrar los datos en Amazon S3 y Amazon SageMaker, y redactar los números de tarjeta de crédito de los datos del cliente con AWS Glue
Ver respuesta
Respuesta correcta: D
Cuestionar #21
Un diccionario interactivo en línea desea añadir un widget que muestre palabras utilizadas en contextos similares. A un especialista en aprendizaje automático se le pide que proporcione características de palabras para el modelo de vecino más cercano descendente que alimenta el widget
A. rear vectores de codificación de palabras de un solo golpe
B. roducir un conjunto de sinónimos para cada palabra utilizando Amazon Mechanical Turk
C. rear vectores de incrustación de palabras que almacenen la distancia de edición con cada otra palabrA
D. escarga las incrustaciones de palabras preentrenadas en un gran corpus
Ver respuesta
Respuesta correcta: D
Cuestionar #22
Un especialista en aprendizaje automático está implementando una red bayesiana completa en un conjunto de datos que describe el transporte público en la ciudad de Nueva York. Una de las variables aleatorias es discreta y representa el número de minutos que los neoyorquinos esperan un autobús, dado que los autobuses circulan cada 10 minutos, con una media de 3 minutos
A. istribución de Poisson
B. istribución uniforme
C. istribución normal
D. istribución binomial
Ver respuesta
Respuesta correcta: A
Cuestionar #23
Un especialista en aprendizaje automático está desarrollando una prueba de concepto para usuarios gubernamentales cuya principal preocupación es la seguridad. El especialista está utilizando Amazon SageMaker para entrenar un modelo de red neuronal convolucional (CNN) para una aplicación de clasificación de fotos. El especialista desea proteger los datos para que no se pueda acceder a ellos ni transferirlos a un host remoto mediante código malicioso instalado accidentalmente en el contenedor de entrenamiento
A. rear una plantilla con AWS Identity and Access Management (IAM)
B. ree una fuerza de trabajo y un archivo de manifiesto de Amazon Mechanical Turk
C. ree una plantilla privada y un archivo de manifiesto
D. rear una fuerza de trabajo con Amazon Cognito
Ver respuesta
Respuesta correcta: D
Cuestionar #24
Un especialista en aprendizaje automático necesita poder ingerir datos de flujo y almacenarlos en archivos Apache Parquet para su exploración y análisis. ¿Cuál de los siguientes servicios podría ingerir y almacenar estos datos en el formato correcto?
A. WS DMS
B. lujos de datos de Amazon Kinesis
C. anguera de datos de Amazon Kinesis
D. nálisis de datos de Amazon Kinesis
Ver respuesta
Respuesta correcta: C
Cuestionar #25
Un especialista en aprendizaje automático carga un conjunto de datos en un bucket de Amazon S3 protegido con cifrado del lado del servidor mediante AWS KMS. ¿Cómo debe definir el especialista en ML la instancia de bloc de notas de Amazon SageMaker para que pueda leer el mismo conjunto de datos de Amazon S3?
A. efina grupos de seguridad para permitir todo el tráfico HTTP entrante/saliente y asígnelos a la instancia de bloc de notas de Amazon SageMaker
B. onfigure la instancia de bloc de notas de Amazon SageMaker para que tenga acceso a la VPC
C. signe una función de IAM al bloc de notas de Amazon SageMaker con acceso de lectura de S3 al conjunto de datos
D. signar la misma clave KMS utilizada para cifrar datos en Amazon S3 a la instancia de bloc de notas de Amazon SageMaker
Ver respuesta
Respuesta correcta: D
Cuestionar #26
Un especialista en aprendizaje automático está configurando Amazon SageMaker para que varios científicos de datos puedan obtener acceso a cuadernos, entrenar modelos e implementar puntos de enlace. Para garantizar el mejor desempeño operativo, el especialista necesita poder realizar un seguimiento de la frecuencia con la que los científicos implementan modelos, la utilización de la GPU y la CPU en los puntos de enlace de SageMaker implementados y todos los errores que se generan cuando se invoca un punto de enlace (Elija dos.)
A. xigir que los almacenes pasen a capturar sus datos localmente en AWS Storage Gateway para cargarlos en Amazon S3 y, a continuación, utilizar AWS Glue para realizar la transformación
B. Implementar un clúster de Amazon EMR que ejecute Apache Spark con la lógica de transformación y hacer que el clúster se ejecute cada día en los registros acumulados en Amazon S3, con salida de registros nuevos/transformados a Amazon S3
C. Crear una flota de instancias de Amazon EC2 con la lógica de transformación, hacer que transformen los registros de datos que se acumulan en Amazon S3 y enviar los registros transformados a Amazon S3
D. Insertar una transmisión de Amazon Kinesis Data Analytics aguas abajo de la transmisión de Kinesis Data Firehose que transforme los atributos de registro sin procesar en valores transformados simples mediante SQL
Ver respuesta
Respuesta correcta: AD
Cuestionar #27
Un científico de datos debe crear un modelo de recomendación personalizado en Amazon SageMaker para una empresa minorista online. Debido a la naturaleza de los productos de la empresa, los clientes solo compran 4-5 productos cada 5-10 años. Por lo tanto, la empresa depende de un flujo constante de nuevos clientes. Cuando un nuevo cliente se registra, la empresa recopila datos sobre sus preferencias. A continuación se muestra una muestra de los datos de que dispone el científico de datos. ¿Cómo debe dividir el científico de datos el conjunto de datos en un conjunto de entrenamiento y otro de prueba para este caso de uso?
A. Mezcle todos los datos de interacción
B. Identificar el 10% de las interacciones más recientes de cada usuario
C. Identificar el 10% de los usuarios con menos datos de interacción
D. Seleccione aleatoriamente el 10% de los usuarios
Ver respuesta
Respuesta correcta: D
Cuestionar #28
Un científico de datos está entrenando un modelo de clasificación de texto mediante el algoritmo BlazingText integrado en Amazon SageMaker. Hay 5 clases en el conjunto de datos, con 300 muestras para la categoría A, 292 muestras para la categoría B, 240 muestras para la categoría C, 258 muestras para la categoría D y 310 muestras para la categoría E. El científico de datos baraja los datos y divide el 10% para las pruebas. Después de entrenar el modelo, el científico de datos genera matrices de confusión para los conjuntos de entrenamiento y prueba. ¿Qué podría pensar el científico de datos sobre las matrices de confusión?
A. edia móvil autorregresiva integrada (AIRMA)
B. uavizado exponencial (ETS)
C. ed neuronal convolucional - Regresión cuantil (CNN-QR)
D. Profeta
Ver respuesta
Respuesta correcta: A
Cuestionar #29
Un especialista en aprendizaje automático inicia un trabajo de ajuste de hiperparámetros para un modelo de conjunto basado en árboles utilizando Amazon SageMaker con el área bajo la curva ROC (AUC) como métrica objetivo. Este flujo de trabajo se implementará finalmente en una canalización que vuelve a entrenar y ajustar los hiperparámetros cada noche para modelar los clics en datos que caducan cada 24 horas
A. n histograma que muestra si la característica de entrada más importante es gaussianA
B. Un gráfico de dispersión con puntos coloreados según la variable objetivo que utiliza t-Distributed Stochastic Neighbor Embedding (t-SNE) para visualizar el gran número de variables de entrada en una dimensión más fácil de leer
C. Un gráfico de dispersión que muestra el rendimiento de la métrica objetivo en cada iteración de entrenamiento
D. Diagrama de dispersión que muestra la correlación entre la profundidad máxima del árbol y la métrica objetivA
Ver respuesta
Respuesta correcta: B
Cuestionar #30
Una empresa ofrece un servicio de compras en línea a sus clientes. La empresa quiere mejorar la seguridad del sitio solicitando información adicional cuando los clientes acceden al sitio desde ubicaciones distintas a las habituales. La empresa desea actualizar el proceso para llamar a un modelo de aprendizaje automático (ML) que determine cuándo debe solicitarse información adicional
A. tilice Amazon SageMaker Ground Truth para etiquetar cada registro como un intento de acceso correcto o fallido
B. Utilice Amazon SageMaker para entrenar un modelo con el algoritmo IP Insights
C. tilice Amazon SageMaker Ground Truth para etiquetar cada registro como un intento de acceso correcto o fallido
D. Utilice Amazon SageMaker para entrenar un modelo con el algoritmo Object2Vec
Ver respuesta
Respuesta correcta: B
Cuestionar #31
Un científico de datos desea obtener información en tiempo real sobre un flujo de datos de archivos GZIP. ¿Qué solución permitiría el uso de SQL para consultar el flujo con la MENOR latencia?
A. mazon Kinesis Data Analytics con una función de AWS Lambda para transformar los datos
B. WS Glue con un script ETL personalizado para transformar los datos
C. na biblioteca de clientes de Amazon Kinesis para transformar los datos y guardarlos en un clúster de Amazon ES
D. mazon Kinesis Data Firehose para transformar los datos y colocarlos en un bucket de Amazon S3
Ver respuesta
Respuesta correcta: A
Cuestionar #32
El editor jefe de un catálogo de productos quiere que el equipo de investigación y desarrollo construya un sistema de aprendizaje automático que pueda utilizarse para detectar si los individuos de una colección de imágenes llevan o no la marca de la empresa. El equipo dispone de un conjunto de datos de entrenamiento. ¿Qué algoritmo de aprendizaje automático deberían utilizar los investigadores que MEJOR cumpla sus requisitos?
A. signación de Dirichlet Latente (LDA)
B. ed neuronal recurrente (RNN)
C. -means
D. ed neuronal convolucional (CNN)
Ver respuesta
Respuesta correcta: D
Cuestionar #33
Un especialista en aprendizaje automático que trabaja para una empresa de moda en línea desea crear una solución de ingesta de datos para el lago de datos de la empresa basado en Amazon S3. El especialista desea crear un conjunto de mecanismos de ingesta que permitan capacidades futuras compuestas por:-Análisis en tiempo real-Análisis interactivo de datos históricos-Análisis de flujo de clics-Recomendaciones de productos¿Qué servicios debería utilizar el especialista?
A. WS Glue como catálogo de datos; Amazon Kinesis Data Streams y Amazon Kinesis Data Analytics para obtener información sobre los datos en tiempo real; Amazon Kinesis Data Firehose para enviarlos a Amazon ES y realizar análisis de clics; Amazon EMR para generar recomendaciones de productos personalizadas
B. Amazon Athena como catálogo de datos: Amazon Kinesis Data Streams y Amazon Kinesis Data Analytics para obtener información sobre los datos casi en tiempo real; Amazon Kinesis Data Firehose para el análisis del flujo de clics; AWS Glue para generar recomendaciones de productos personalizadas
C. WS Glue como catálogo de datos; Amazon Kinesis Data Streams y Amazon Kinesis Data Analytics para obtener información sobre datos históricos; Amazon Kinesis Data Firehose para enviar a Amazon ES y realizar análisis de clics; Amazon EMR para generar recomendaciones de productos personalizadas
D. mazon Athena como catálogo de datos; Amazon Kinesis Data Streams y Amazon Kinesis Data Analytics para obtener información sobre datos históricos; flujos de Amazon DynamoDB para analizar el flujo de clics; AWS Glue para generar recomendaciones de productos personalizadas
Ver respuesta
Respuesta correcta: A
Cuestionar #34
Un científico de datos está desarrollando una canalización para ingerir datos de tráfico web en streaming. El científico de datos necesita implementar un proceso para identificar patrones de tráfico web inusuales como parte de la canalización. Los patrones se utilizarán posteriormente para alertas y respuesta a incidentes. El científico de datos tiene acceso a datos históricos sin etiquetar para utilizarlos, si es necesario.La solución debe hacer lo siguiente:-Calcular una puntuación de anomalía para cada entrada de tráfico web.-Adaptar la identificación de eventos inusuales a los patrones web cambiantes a lo largo del tiempo.Que
A. tilice datos de tráfico web históricos para entrenar un modelo de detección de anomalías con el modelo integrado Random Cut Forest (RCF) de Amazon SageMaker
B. Utilice datos de tráfico web históricos para entrenar un modelo de detección de anomalías con el modelo XGBoost integrado de Amazon SageMaker
C. ecopilar los datos de streaming mediante Amazon Kinesis Data Firehose
D. Recopilar los datos de streaming mediante Amazon Kinesis Data Firehose
Ver respuesta
Respuesta correcta: D
Cuestionar #35
Un especialista en aprendizaje automático está construyendo una red neuronal convolucional (CNN) que clasificará 10 tipos de animales. El especialista ha construido una serie de capas en una red neuronal que tomará una imagen de entrada de un animal, la pasará a través de una serie de capas convolucionales y de agrupación y, finalmente, la pasará a través de una capa densa y totalmente conectada con 10 nodos. El especialista desea obtener una salida de la red neuronal que sea una distribución de probabilidad de la probabilidad de que la imagen de entrada sea un animal
A. rror cuadrático medio (RMSE)
B. arcelas residuales
C. rea bajo la curva
D. atriz de confusión
Ver respuesta
Respuesta correcta: C
Cuestionar #36
Una empresa quiere clasificar el comportamiento de los usuarios como fraudulento o normal. Basándose en una investigación interna, un especialista en aprendizaje automático desea crear un clasificador binario basado en dos características: antigüedad de la cuenta y mes de la transacción. La distribución de clases para estas características se ilustra en la figura proporcionada. Basándose en esta información, ¿qué modelo tendría la mayor precisión?
A. odelo de memoria a corto plazo (LSTM) con unidad lineal exponencial escalada (SELU)
B. egresión logística
C. áquina de vectores soporte (SVM) con núcleo no lineal
D. erceptrón simple con función de activación tanh
Ver respuesta
Respuesta correcta: C
Cuestionar #37
Un desarrollador de una empresa minorista está creando un modelo de previsión de la demanda diaria. La empresa almacena los datos históricos de la demanda horaria en un bucket de Amazon S3. Sin embargo, los datos históricos no incluyen datos de demanda para algunas horas.El desarrollador desea verificar que un enfoque de media móvil autorregresiva integrada (ARIMA) será un modelo adecuado para el caso de uso.Cómo debe verificar el desarrollador la idoneidad de un enfoque ARIMA?
A. tilice Amazon SageMaker Data Wrangler
B. tilice Amazon SageMaker Autopilot
C. tilizar Amazon SageMaker Data Wrangler
D. tilice Amazon SageMaker Autopilot
Ver respuesta
Respuesta correcta: A
Cuestionar #38
Un especialista en aprendizaje automático está empaquetando un modelo ResNet personalizado en un contenedor Docker para que la empresa pueda aprovechar Amazon SageMaker para el entrenamiento. El especialista está utilizando instancias de Amazon EC2 P3 para entrenar el modelo y necesita configurar correctamente el contenedor Docker para aprovechar las GPU NVIDIA
A. undle los controladores NVIDIA con la imagen Docker
B. onstruir el contenedor Docker para que sea compatible con NVIDIA-Docker
C. rganizar la estructura de archivos del contenedor Docker para ejecutar en instancias GPU
D. Establezca el indicador GPU en el cuerpo de la solicitud CreateTrainingJob de Amazon SageMaker
Ver respuesta
Respuesta correcta: B
Cuestionar #39
Un director de marketing de una compañía de seguros para mascotas planea lanzar una campaña de marketing dirigida en las redes sociales para captar nuevos clientes. Actualmente, la empresa dispone de los siguientes datos en Amazon Aurora:-Perfiles de todos los clientes anteriores y existentes-Perfiles de todas las mascotas aseguradas anteriores y existentes-Información a nivel de póliza-Primas recibidas-Siniestros pagados¿Qué pasos se deben seguir para implementar un modelo de aprendizaje automático para identificar nuevos clientes potenciales en las redes sociales?
A. tilizar la regresión sobre los datos del perfil del cliente para comprender las características clave de los segmentos de consumidores
B. tilizar el clustering en los datos de perfiles de clientes para comprender las características clave de los segmentos de consumidores
C. tilizar un motor de recomendación sobre los datos del perfil del cliente para comprender las características clave de los segmentos de consumidores
D. tilizar un motor clasificador de árbol de decisión sobre datos de perfiles de clientes para comprender las características clave de los segmentos de consumidores
Ver respuesta
Respuesta correcta: C
Cuestionar #40
Un especialista en aprendizaje automático debe crear un proceso para consultar un conjunto de datos en Amazon S3 mediante Amazon Athena. El conjunto de datos contiene más de 800 000 registros almacenados como archivos CSV de texto sin formato. Cada registro contiene 200 columnas y tiene un tamaño aproximado de 1,5 MB. La mayoría de las consultas abarcarán entre 5 y 10 columnas solamente. ¿Cómo debe transformar el conjunto de datos el especialista en aprendizaje automático para minimizar el tiempo de ejecución de la consulta?
A. onvertir los registros al formato Apache Parquet
B. onvertir los registros a formato JSON
C. onvertir los registros a formato CSV GZIP
D. onvertir los registros a formato XML
Ver respuesta
Respuesta correcta: A
Cuestionar #41
Una empresa inmobiliaria quiere crear un modelo de aprendizaje automático para predecir el precio de la vivienda a partir de un conjunto de datos históricos. El conjunto de datos contiene 32 características. ¿Qué modelo cumplirá los requisitos de la empresa?
A. egresión logística
B. egresión lineal
C. -means
D. nálisis de componentes principales (ACP)
Ver respuesta
Respuesta correcta: B
Cuestionar #42
Una empresa de atención sanitaria planea utilizar redes neuronales para clasificar sus imágenes de rayos X en clases normales y anormales. Los datos etiquetados se dividen en un conjunto de entrenamiento de 1.000 imágenes y un conjunto de prueba de 200 imágenes. El entrenamiento inicial de un modelo de red neuronal con 50 capas ocultas arrojó una precisión del 99% en el conjunto de entrenamiento, pero sólo del 55% en el conjunto de prueba (Elija tres.)
A. arada temprana
B. nicialización aleatoria de los pesos con la semilla adecuada
C. umentar el número de épocas
D. ñadir otra capa con las 100 neuronas
Ver respuesta
Respuesta correcta: BDF
Cuestionar #43
¿Cuál de las siguientes métricas debería utilizar generalmente un especialista en aprendizaje automático para comparar/evaluar modelos de clasificación de aprendizaje automático entre sí?
A. ecordatorio
B. asa de clasificación errónea
C. rror porcentual absoluto medio (MAPE)
D. rea bajo la curva ROC (AUC)
Ver respuesta
Respuesta correcta: D
Cuestionar #44
Un gran fabricante de bienes de consumo tiene a la venta los siguientes productos:-34 variantes diferentes de pasta de dientes-48 variantes diferentes de cepillos de dientes-43 variantes diferentes de enjuagues bucalesEl historial completo de ventas de todos estos productos está disponible en Amazon S3. Actualmente, la empresa está utilizando modelos de media móvil autorregresiva integrada (ARIMA) personalizados para predecir la demanda de estos productos. La empresa quiere predecir la demanda de un nuevo producto que se lanzará próximamente.Qué solución debería utilizar un Spe
A. ntrenar un modelo ARIMA personalizado para prever la demanda del nuevo producto
B. ntrenar un algoritmo DeepAR de Amazon SageMaker para prever la demanda del nuevo producto
C. ntrenar un algoritmo de agrupación k-means de Amazon SageMaker para prever la demanda del nuevo producto
D. ntrenar un modelo XGBoost personalizado para prever la demanda del nuevo producto
Ver respuesta
Respuesta correcta: B
Cuestionar #45
Una empresa de juegos ha lanzado un juego en línea en el que se puede empezar a jugar gratis, pero hay que pagar si se quieren utilizar determinadas funciones. La empresa necesita crear un sistema automatizado para predecir si un nuevo usuario se convertirá en usuario de pago en el plazo de un año. La empresa ha recopilado un conjunto de datos etiquetados de 1 millón de usuarios. El conjunto de datos de entrenamiento consta de 1.000 muestras positivas (de usuarios que acabaron pagando en el plazo de 1 año) y 999.000 muestras negativas (de usuarios que no utilizaron ninguna función de pago)
A. limine todos los registros del conjunto de datos en los que la edad se haya fijado en 0
B. ustituir el valor del campo edad de los registros con valor 0 por el valor medio o mediano del conjunto de datos
C. limine la característica de edad del conjunto de datos y entrene el modelo utilizando el resto de las características
D. tilizar la agrupación k-means para tratar las características que faltan
Ver respuesta
Respuesta correcta: CD
Cuestionar #46
Una empresa utilizará Amazon SageMaker para entrenar y hospedar un modelo de aprendizaje automático (ML) para una campaña de marketing. La mayoría de los datos son datos confidenciales de clientes. Los datos deben cifrarse en reposo. La empresa desea que AWS mantenga la raíz de confianza de las claves maestras y que se registre el uso de las claves de cifrado
A. tilice claves de cifrado que se almacenan en AWS Cloud HSM para cifrar los volúmenes de datos de ML y para cifrar los artefactos y datos del modelo en Amazon S3
B. Utilice las claves transitorias integradas en SageMaker para cifrar los volúmenes de datos de ML
C. tilice claves administradas por el cliente en AWS Key Management Service (AWS KMS) para cifrar los volúmenes de datos de ML y para cifrar los artefactos y datos del modelo en Amazon S3
D. tilice AWS Security Token Service (AWS STS) para crear tokens temporales para cifrar los volúmenes de almacenamiento de ML y para cifrar los artefactos y datos del modelo en Amazon S3
Ver respuesta
Respuesta correcta: C
Cuestionar #47
Una empresa quiere clasificar el comportamiento de los usuarios como fraudulento o normal. Basándose en una investigación interna, un especialista en aprendizaje automático creará un clasificador binario basado en dos características: la antigüedad de la cuenta, indicada por x, y el mes de la transacción, indicado por y. Las distribuciones de clases se ilustran en la figura. La clase positiva se representa en rojo, mientras que la clase negativa se representa en negro
A. áquina lineal de vectores soporte (SVM)
B. rbol de decisión
C. áquina de vectores soporte (SVM) con un núcleo de función de base radial
D. Perceptrón simple con función de activación Tanh
Ver respuesta
Respuesta correcta: C
Cuestionar #48
Un equipo de científicos de datos planea crear una aplicación de procesamiento del lenguaje natural (PLN). La etapa de preprocesamiento de texto de la aplicación incluirá el etiquetado de parte del habla y la extracción de fases clave. El texto preprocesado se introducirá en un algoritmo de clasificación personalizado que el equipo científico de datos ya ha escrito y entrenado utilizando Apache MXNet
A. tilizar Amazon Comprehend para las tareas de etiquetado de parte del habla, extracción de fases clave y clasificación
B. tilizar una biblioteca NLP en Amazon SageMaker para el etiquetado de partes del hablA
C. tilizar Amazon Comprehend para las tareas de etiquetado de parte del habla y extracción de fases clave
D. tilice Amazon Comprehend para las tareas de etiquetado de parte del habla y extracción de fases clave
Ver respuesta
Respuesta correcta: B
Cuestionar #49
Un distribuidor en línea tiene un gran conjunto de datos de varias columnas al que le falta el 30% de los datos de una columna. Un especialista en aprendizaje automático cree que algunas columnas del conjunto de datos podrían utilizarse para reconstruir los datos que faltan
A. liminación por listas
B. ltima observación trasladada
C. mputación múltiple
D. ustitución media
Ver respuesta
Respuesta correcta: C
Cuestionar #50
Una empresa va a lanzar un nuevo producto y necesita crear un mecanismo para supervisar los comentarios sobre la empresa y su nuevo producto en las redes sociales. La empresa necesita poder evaluar el sentimiento expresado en los mensajes de las redes sociales, visualizar tendencias y configurar alarmas basadas en varios umbrales. La empresa necesita implantar esta solución rápidamente y quiere minimizar la infraestructura y los recursos de ciencia de datos necesarios para evaluar los mensajes. La empresa ya dispone de una solución para recopilar p
A. ntrenar un modelo en Amazon SageMaker utilizando el algoritmo BlazingText para detectar el sentimiento en el corpus de publicaciones de medios sociales
B. ntrene un modelo en Amazon SageMaker mediante el algoritmo de segmentación semántica para modelar el contenido semántico en el corpus de publicaciones de medios sociales
C. ctive una función de AWS Lambda cuando se añadan publicaciones de redes sociales al bucket de S3
D. Activar una función de AWS Lambda cuando se añadan publicaciones de redes sociales al bucket de S3
Ver respuesta
Respuesta correcta: D
Cuestionar #51
Un científico de datos está desarrollando un modelo de aprendizaje automático para predecir los resultados futuros de los pacientes basándose en la información recopilada sobre cada paciente y sus planes de tratamiento. El modelo debe generar un valor continuo como predicción. Los datos disponibles incluyen resultados etiquetados para un conjunto de 4.000 pacientes. El estudio se realizó sobre un grupo de individuos mayores de 65 años que padecen una enfermedad concreta que se sabe que empeora con la edad.Los modelos iniciales han tenido un rendimiento mediocre. Al revisar los datos subyacentes, t
A. lmacenar conjuntos de datos como archivos en Amazon S3
B. lmacenar conjuntos de datos como archivos en un volumen de Amazon EBS adjunto a una instancia de Amazon EC2
C. lmacenar conjuntos de datos como tablas en un clúster multinodo de Amazon Redshift
D. lmacenar conjuntos de datos como tablas globales en Amazon DynamoDB
Ver respuesta
Respuesta correcta: D
Cuestionar #52
Una empresa está ejecutando un servicio de predicción de aprendizaje automático que genera 100 TB de predicciones cada día. Un especialista en aprendizaje automático debe generar una visualización de la curva diaria de precisión/recuperación a partir de las predicciones y enviar una versión de solo lectura al equipo empresarial
A. jecute un flujo de trabajo diario de Amazon EMR para generar datos de llamadas de precisión y guarde los resultados en Amazon S3
B. enerar datos diarios de precisión y recuperación en Amazon QuickSight y publicar los resultados en un panel compartido con el equipo de negocio
C. jecute un flujo de trabajo diario de Amazon EMR para generar datos de recuperación de precisión y guarde los resultados en Amazon S3
D. Generar datos diarios de precisión y recuperación en Amazon ES y publicar los resultados en un panel compartido con el equipo de negocio
Ver respuesta
Respuesta correcta: C
Cuestionar #53
Un especialista en aprendizaje automático planea crear un clúster de Amazon EMR de larga duración. El clúster de EMR tendrá 1 nodo maestro, 10 nodos de núcleo y 20 nodos de tareas. Para ahorrar costos, el especialista utilizará instancias de subasta en el clúster de EMR
A. odo maestro
B. ualquiera de los nodos centrales
C. ualquiera de los nodos de tarea
D. Nodos núcleo y de tarea
Ver respuesta
Respuesta correcta: C
Cuestionar #54
Un científico de datos ha explorado y depurado un conjunto de datos como preparación para la fase de modelado de una tarea de aprendizaje supervisado. La dispersión estadística puede variar ampliamente entre las características, a veces en varios órdenes de magnitud. Antes de pasar a la fase de modelado, el científico de datos quiere asegurarse de que el rendimiento de la predicción en los datos de producción es lo más preciso posible
A. plique un muestreo aleatorio al conjunto de datos
B. ivida el conjunto de datos en conjuntos de entrenamiento, validación y pruebA
C. eescalar el conjunto de datos
D. ivida el conjunto de datos en conjuntos de entrenamiento, validación y pruebA
Ver respuesta
Respuesta correcta: D
Cuestionar #55
Una empresa de fabricación utiliza modelos de aprendizaje automático (ML) para detectar problemas de calidad. Los modelos utilizan imágenes que se toman del producto de la empresa al final de cada fase de producción. La empresa cuenta con miles de máquinas en el centro de producción que generan una imagen por segundo de media. Para el piloto, los especialistas en ML utilizaron un PC industrial que ejecutaba AWS IoT Greengrass con una función AWS Lambda de larga ejecución que cargaba las imágenes a Ama
A. onfigure una conexión AWS Direct Connect de 10 Gbps entre el sitio de producción y la región de AWS más cercanA
B. mplíe la función de Lambda de larga duración que se ejecuta en AWS IoT Greengrass para comprimir las imágenes y cargar los archivos comprimidos en Amazon S3
C. Utilice el escalado automático para SageMaker
D. mplemente la función Lambda y los modelos ML en el núcleo de AWS IoT Greengrass que se ejecuta en los PC industriales instalados en cada máquinA
Ver respuesta
Respuesta correcta: D
Cuestionar #56
Una empresa está configurando un mecanismo para que los científicos de datos y los ingenieros de diferentes departamentos accedan a un dominio de Amazon SageMaker Studio. La empresa desea crear una aplicación proxy central en la que los científicos de datos y los ingenieros puedan iniciar sesión con sus credenciales corporativas. La aplicación proxy autenticará a los usuarios utilizando el proveedor de identidades (IdP) existente en la empresa. La aplicación entonces enrutará a los usuarios al SageMaker Studi apropiado
A. tilice la API CreatePresignedDomainUrl de SageMaker para generar una URL preasignada para cada dominio según la tabla de DynamoDB
B. tilice la API CreateHuman TaskUi de SageMaker para generar una URL de interfaz de usuario
C. tilice la API ListHumanTaskUis de Amazon SageMaker para obtener una lista de todas las URL de IU
D. Utilice la API CreatePresignedNotebookInstanceUrl de SageMaker para generar una URL preasignadA
Ver respuesta
Respuesta correcta: A
Cuestionar #57
Una empresa de fabricación pide a su especialista en aprendizaje automático que desarrolle un modelo que clasifique las piezas defectuosas en uno de ocho tipos de defectos. La empresa ha proporcionado aproximadamente 100.000 imágenes por tipo de defecto para el entrenamiento. Durante el entrenamiento inicial del modelo de clasificación de imágenes, el especialista observa que la precisión de validación es del 80%, mientras que la precisión de entrenamiento es del 90%. Se sabe que el rendimiento humano en este tipo de clasificación de imágenes se sitúa en torno al 90%
A. n mayor tiempo de entrenamiento
B. mpliar la red
C. tilizar un optimizador diferente
D. Utilizar algún tipo de regularización
Ver respuesta
Respuesta correcta: D
Cuestionar #58
Una empresa ha configurado e implementado su modelo de aprendizaje automático (ML) en producción con un punto final que utiliza los servicios de hospedaje de Amazon SageMaker. El equipo de ML ha configurado el escalado automático de sus instancias de SageMaker para soportar los cambios en la carga de trabajo. Durante las pruebas, el equipo observa que se lanzan instancias adicionales antes de que las nuevas instancias estén listas. ¿Cómo puede el equipo de ML resolver este problema?
A. isminuir el periodo de enfriamiento de la actividad de escalado
B. ustituir el endpoint actual por un endpoint multimodelo utilizando SageMaker
C. onfigure Amazon API Gateway y AWS Lambda para activar el punto final de inferencia de SageMaker
D. umentar el periodo de enfriamiento de la actividad de escalado
Ver respuesta
Respuesta correcta: D
Cuestionar #59
Un especialista en aprendizaje automático utiliza una instancia de bloc de notas de Amazon SageMaker en una subred privada de una VPC corporativa. El especialista en ML tiene datos importantes almacenados en el volumen de Amazon EBS de la instancia de bloc de notas de Amazon SageMaker y necesita realizar una snapshot de dicho volumen de EBS. Sin embargo, el especialista en ML no puede encontrar el volumen de EBS de la instancia de bloc de notas de Amazon SageMaker ni la instancia de Amazon EC2 en la VPC
A.
B. as instancias de bloc de notas de Amazon SageMaker se basan en el servicio Amazon ECS dentro de las cuentas de cliente
C. as instancias de bloc de notas de Amazon SageMaker se basan en instancias EC2 que se ejecutan en cuentas de servicio de AWS
D. as instancias de bloc de notas de Amazon SageMaker se basan en instancias de AWS ECS que se ejecutan dentro de cuentas de servicio de AWS
Ver respuesta
Respuesta correcta: C
Cuestionar #60
Un científico de datos desea utilizar Amazon Forecast para crear un modelo de previsión de la demanda de inventario para una empresa minorista. La empresa ha proporcionado un conjunto de datos de la demanda histórica de inventario de sus productos como archivo .csv almacenado en un bucket de Amazon S3. La tabla siguiente muestra un ejemplo del conjunto de datos. ¿Cómo debe transformar los datos el científico de datos?
A. edistribuir el modelo como un trabajo de transformación por lotes en una instancia M5
B. Vuelva a implementar el modelo en una instancia M5
C. edistribuir el modelo en una instancia P3dn
D. Implementar el modelo en un clúster de Amazon Elastic Container Service (Amazon ECS) utilizando una instancia P3
Ver respuesta
Respuesta correcta: A
Cuestionar #61
Una empresa quiere clasificar el comportamiento de los usuarios como fraudulento o normal. Basándose en una investigación interna, un especialista en aprendizaje automático desea crear un clasificador binario basado en dos características: antigüedad de la cuenta y mes de la transacción. La distribución de clases para estas características se ilustra en la figura que se proporciona. Basándose en esta información, ¿qué modelo tendría la MAYOR recuperación con respecto a la clase fraudulenta?
A. rbol de decisión
B. áquina lineal de vectores soporte (SVM)
C. lasificador bayesiano ingenuo
D. erceptrón simple con función de activación sigmoidal
Ver respuesta
Respuesta correcta: C
Cuestionar #62
Una compañía de seguros está desarrollando un nuevo dispositivo para vehículos que utiliza una cámara para observar el comportamiento de los conductores y alertarles cuando parecen distraídos. La empresa ha creado aproximadamente 10.000 imágenes de entrenamiento en un entorno controlado que un especialista en aprendizaje automático utilizará para entrenar y evaluar modelos de aprendizaje automático
A. rchivos CSV
B. rchivos de parqué
C. SON comprimido
D. ecordIO
Ver respuesta
Respuesta correcta: BE
Cuestionar #63
Un especialista en aprendizaje automático está asignado a un equipo de detección de fraudes y debe ajustar un modelo XGBoost, que funciona correctamente con datos de prueba. Sin embargo, con datos desconocidos, no funciona como se esperaba. Los parámetros existentes son los siguientes. ¿Qué directrices de ajuste de parámetros debe seguir el especialista para evitar el sobreajuste?
A. umenta el valor del parámetro max_depth
B. ajar el valor del parámetro max_depth
C. ctualizar el objetivo a binario:logístico
D. ajar el valor del parámetro min_child_weight
Ver respuesta
Respuesta correcta: B
Cuestionar #64
Un científico de datos recibe un conjunto de registros de seguros, cada uno de los cuales consta de un identificador de registro, el resultado final entre 200 categorías y la fecha del resultado final. También se proporciona información parcial sobre el contenido de los siniestros, pero solo para algunas de las 200 categorías. Para cada categoría de resultado, hay cientos de registros distribuidos a lo largo de los últimos 3 años. El científico de datos quiere predecir cuántos siniestros cabe esperar en cada categoría de un mes a otro, con unos meses de antelación
A. lasificación mes a mes mediante aprendizaje supervisado de las 200 categorías basadas en el contenido de los siniestros
B. prendizaje por refuerzo utilizando ID de siniestros y marcas de tiempo, en el que el agente identificará cuántos siniestros de cada categoría cabe esperar de un mes a otro
C. Previsiones utilizando identificadores de siniestros y marcas de tiempo para identificar cuántos siniestros de cada categoría cabe esperar de un mes a otro
D. lasificación con aprendizaje supervisado de las categorías para las que se proporciona información parcial sobre el contenido de las reclamaciones, y previsión utilizando ID de reclamaciones y marcas de tiempo para todas las demás categorías
Ver respuesta
Respuesta correcta: C
Cuestionar #65
Un científico de datos está desarrollando un modelo de aprendizaje automático para clasificar si una transacción financiera es fraudulenta. Los datos etiquetados disponibles para el entrenamiento consisten en 100.000 observaciones no fraudulentas y 1.000 observaciones fraudulentas. El científico de datos aplica el algoritmo XGBoost a los datos, lo que da como resultado la siguiente matriz de confusión cuando el modelo entrenado se aplica a un conjunto de datos de validación no visto previamente. La precisión del modelo es del 99,1%, pero el científico de datos necesita reducir el número de fal
A. Cambiar el preprocesamiento para utilizar n-gramas
B. ñadir más nodos a la red neuronal recurrente (RNN) que el número de palabras de la frase más largA
C. justar los hiperparámetros relacionados con el mecanismo de atención
D. legir un tipo de inicialización de peso diferente
Ver respuesta
Respuesta correcta: DE
Cuestionar #66
Un científico de datos necesita analizar datos de empleo. El conjunto de datos contiene aproximadamente 10 millones de observaciones sobre personas de 10 características diferentes. Durante el análisis preliminar, el científico de datos observa que las distribuciones de ingresos y edad no son normales. Mientras que los niveles de ingresos muestran un sesgo a la derecha, como era de esperar, con un menor número de personas con ingresos más altos, la distribución de la edad también muestra un sesgo a la derecha, con un menor número de personas mayores que participan en la fuerza de trabajo
A. umentar la aleatoriedad de los datos de entrenamiento en los minilotes utilizados en el entrenamiento
B. signar una mayor proporción de los datos globales al conjunto de datos de formación
C. plicar la regularización L1 o L2 y los abandonos a la formación
D. educir el número de capas y unidades (o neuronas) de la red de aprendizaje profundo
Ver respuesta
Respuesta correcta: BD
Cuestionar #67
Un especialista en aprendizaje automático está entrenando un modelo para identificar la marca y el modelo de vehículos en imágenes. El especialista desea utilizar el aprendizaje por transferencia y un modelo existente entrenado con imágenes de objetos generales. El especialista ha recopilado un gran conjunto de datos personalizados de imágenes que contienen diferentes marcas y modelos de vehículos, ¿qué debe hacer para inicializar el modelo y volver a entrenarlo con los datos personalizados?
A. nicializar el modelo con pesos aleatorios en todas las capas, incluida la última capa totalmente conectadA
B. nicializar el modelo con pesos pre-entrenados en todas las capas y reemplazar la última capa totalmente conectadA
C. nicializar el modelo con pesos aleatorios en todas las capas y sustituir la última capa totalmente conectadA
D. nicializar el modelo con pesos pre-entrenados en todas las capas incluyendo la última capa totalmente conectadA
Ver respuesta
Respuesta correcta: B
Cuestionar #68
Una empresa ingiere datos de aprendizaje automático (ML) de clics de publicidad web en un lago de datos de Amazon S3. Los datos de clics se añaden a una transmisión de datos de Amazon Kinesis mediante Kinesis Producer Library (KPL). Los datos se cargan en el lago de datos de S3 desde la transmisión de datos mediante una transmisión de entrega de Amazon Kinesis Data Firehose. A medida que aumenta el volumen de datos, un especialista en ML observa que la tasa de datos ingeridos en Amazon S3 es relativamente constante. También hay una creciente acumulación de datos para Kinesis Data Stream
A. umentar el número de prefijos S3 para el flujo de entrega para escribir
B. isminuir el periodo de retención del flujo de datos
C. umentar el número de shards para el flujo de datos
D. Añadir más consumidores utilizando la biblioteca de clientes Kinesis (KCL)
Ver respuesta
Respuesta correcta: C
Cuestionar #69
Un bufete de abogados gestiona miles de contratos cada día. Todos los contratos deben estar firmados. El bufete está desarrollando una solución de aprendizaje automático (ML) para automatizar la detección de firmas en cada contrato. La solución de ML también debe proporcionar una puntuación de confianza para cada página del contrato. ¿Qué acción de la API de Amazon Textract puede utilizar el bufete de abogados para generar una puntuación de confianza para cada página de cada contrato?
A. tilice la acción de la API AnalyzeDocument
B. tilice la llamada a la API de predicción en los documentos
C. tilice la acción de la API StartDocumentAnalysis para detectar las firmas
D. tilice la acción de la API GetDocumentAnalysis para detectar las firmas
Ver respuesta
Respuesta correcta: A
Cuestionar #70
Un especialista en aprendizaje automático está diseñando una solución de almacenamiento de datos escalable para Amazon SageMaker. Existe un modelo basado en TensorFlow implementado como un script train.py que se basa en datos de entrenamiento estáticos almacenados actualmente como TFRecords. ¿Qué método de suministro de datos de entrenamiento a Amazon SageMaker cumpliría los requisitos empresariales con la MENOR sobrecarga de desarrollo?
A. tilice el modo de script de Amazon SageMaker y utilice train
B. tilice el modo de script de Amazon SageMaker y utilice train
C. eescribir el script train
D. repare los datos en el formato aceptado por Amazon SageMaker
Ver respuesta
Respuesta correcta: B
Cuestionar #71
Este gráfico muestra las pérdidas de entrenamiento y validación frente a las épocas para una red neuronal.La red que se está entrenando es la siguiente:-Dos capas densas, una neurona de salida-100 neuronas en cada capa-100 épocas-Inicialización aleatoria de los pesos¿Qué técnica se puede utilizar para mejorar el rendimiento del modelo en términos de precisión en el conjunto de validación?
A. a regresión lineal es inadecuadA
B. La regresión lineal no es adecuadA
C. a regresión lineal es adecuadA
D. a regresión lineal es adecuadA
Ver respuesta
Respuesta correcta: A
Cuestionar #72
Un especialista en aprendizaje automático trabaja para un minorista online que desea ejecutar análisis en cada visita de un cliente, procesados a través de una canalización de aprendizaje automático. Amazon Kinesis Data Streams debe ingerir los datos a una velocidad de hasta 100 transacciones por segundo, y el blob de datos JSON tiene un tamaño de 100 KB. ¿Cuál es el número MÍNIMO de fragmentos en Kinesis Data Streams que el especialista debe utilizar para ingerir correctamente estos datos?
A. fragmentos
B. 0 fragmentos
C. 00 fragmentos
D.
Ver respuesta
Respuesta correcta: B
Cuestionar #73
Un operador de redes móviles está construyendo una plataforma de análisis para analizar y optimizar las operaciones de una empresa utilizando Amazon Athena y Amazon S3. Los sistemas de origen envían datos en formato .CSV en tiempo real. El equipo de ingeniería de datos desea transformar los datos al formato Apache Parquet antes de almacenarlos en Amazon S3. ¿Qué solución requiere MENOS esfuerzo de implementación?
A. ngesta de datos
B. ngesta de datos
C. ngerir datos
D. ngerir datos
Ver respuesta
Respuesta correcta: B
Cuestionar #74
Una biblioteca está desarrollando un sistema automático de préstamo de libros que utiliza Amazon Rekognition. Las imágenes de las caras de los miembros de la biblioteca se almacenan en un bucket de Amazon S3. Cuando los miembros piden libros prestados, la operación de la API CompareFaces de Amazon Rekognition compara los rostros reales con los rostros almacenados en Amazon S3.La biblioteca necesita mejorar la seguridad asegurándose de que las imágenes están cifradas en reposo. Además, cuando las imágenes se utilizan con Amazon Rekognition, deben cifrarse en tránsito. La biblioteca también debe asegurarse de que el
A. abilite el cifrado del lado del servidor en el bucket de S3
B. ambie al uso de una colección de Amazon Rekognition para almacenar las imágenes
C. ambie al uso de la región de AWS GovCloud (US) para que Amazon S3 almacene imágenes y para que Amazon Rekognition compare rostros
D. abilite el cifrado del lado del cliente en el bucket de S3
Ver respuesta
Respuesta correcta: A
Cuestionar #75
Una empresa de logística necesita un modelo de previsión para predecir las necesidades de inventario del mes siguiente para un único artículo en 10 almacenes. Un especialista en aprendizaje automático utiliza Amazon Forecast para desarrollar un modelo de previsión a partir de 3 años de datos mensuales. No faltan datos. El especialista selecciona el algoritmo DeepAR+ para entrenar un pronosticador.El error porcentual absoluto medio (MAPE) del pronosticador es mucho mayor que el MAPE producido por los pronosticadores humanos actuales.Qué cambios en la llamada a la API CreatePredictor podrían mejorar t
A. tilice trabajos ETL en AWS Glue para separar el conjunto de datos en un conjunto de datos de series temporales de destino y un conjunto de datos de metadatos de elementos
B. tilice un cuaderno Jupyter en Amazon SageMaker para separar el conjunto de datos en un conjunto de datos de series temporales relacionadas y un conjunto de datos de metadatos de artículos
C. tilice los trabajos por lotes de AWS para separar el conjunto de datos en un conjunto de datos de series temporales de destino, un conjunto de datos de series temporales relacionado y un conjunto de datos de metadatos de elementos
D. tilice un cuaderno Jupyter en Amazon SageMaker para transformar los datos al formato optimizado protobuf recordIO
Ver respuesta
Respuesta correcta: AD
Cuestionar #76
Una empresa está configurando un entorno de Amazon SageMaker. La política de seguridad de datos corporativa no permite la comunicación a través de Internet. ¿Cómo puede la empresa habilitar el servicio de Amazon SageMaker sin habilitar el acceso directo a Internet a las instancias de cuaderno de Amazon SageMaker?
A. Crear una pasarela NAT dentro de la VPC corporativA
B. Enrutar el tráfico de Amazon SageMaker a través de una red local
C. rear puntos finales de interfaz de Amazon SageMaker VPC dentro de la VP corporativa
D. rear VPC peering con Amazon VPC que aloje Amazon SageMaker
Ver respuesta
Respuesta correcta: C

Ver respuestas después del envío

Envíe su correo electrónico y WhatsApp para obtener las respuestas a sus preguntas.

Nota: asegúrese de que su ID de correo electrónico y Whatsapp sean válidos para que pueda obtener los resultados correctos del examen.

Correo electrónico:
WhatsApp/número de teléfono:


Copyright © 2024. Designer by SPOTO Official Website. All Rights Reserved.