¿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.

Preparación para el examen MLS-C01: materiales de estudio y pruebas simuladas, aprendizaje automático certificado de AWS | SPOTO

El examen AWS Certified Machine Learning—Specialty (MLS-C01) está diseñado para profesionales en funciones de desarrollo o ciencia de datos, y evalúa su experiencia en la creación, el perfeccionamiento y el lanzamiento de modelos de ML en plataformas en la nube de AWS. Esta certificación es un testimonio de la competencia de una persona en el aprovechamiento de los servicios de AWS como Amazon SageMaker, AWS Lambda y Amazon S3 para tareas de ML. SPOTO ofrece recursos completos de preparación para el examen MLS-C01, incluidos materiales de estudio y pruebas simuladas. Estos materiales de estudio abarcan preguntas de examen, pruebas de práctica, preguntas de muestra y volcados de examen, lo que facilita una comprensión profunda de la estructura del examen, los conceptos básicos y las estrategias de resolución de problemas. El acceso a estos recursos mejora la preparación para el examen y la confianza. Además, los exámenes de prueba de SPOTO proporcionan simulaciones realistas de los exámenes, lo que permite a los candidatos simular las condiciones del examen y evaluar su preparación de manera efectiva. Aprovechando los materiales de estudio de SPOTO's y las pruebas simuladas agiliza la preparación del examen MLS-C01, asegurando un viaje estructurado y exitoso hacia la certificación.

 

Realizar otros exámenes en línea
Cuestionar #1
P42: 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 pasan cada 10 minutos, con una media de 3 minutos. ¿Qué distribución de probabilidad a priori debería utilizar el especialista en ML para esta variable?
A. Distribución de Poisson
B. Distribución uniforme
C. Distribución normal
D. Distribución binomial
Ver respuesta
Respuesta correcta: A
Cuestionar #2
P33: Una empresa de juegos ha lanzado un juego en línea en el que la gente puede empezar a jugar gratis, pero tiene que pagar si decide 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 1 año) y 999.000 muestras negativas (de usuarios que no utilizaron ninguna función de pago)
A. Añadir más árboles profundos al bosque aleatorio para permitir que el modelo aprenda más características
B. Incluir una copia de las muestras del conjunto de datos de prueba en el conjunto de datos de entrenamiento
C. Generar más muestras positivas duplicando las muestras positivas y añadiendo una pequeña cantidad de ruido a los datos duplicados
D. Cambiar la función de costes de modo que los falsos negativos tengan un mayor impacto en el valor del coste que los falsos positivos
E. Modificar la función de coste de modo que los falsos positivos tengan un mayor impacto en el valor del coste que los falsos negativos
Ver respuesta
Respuesta correcta: D
Cuestionar #3
P41: Un especialista en aprendizaje automático está construyendo un modelo de predicción para un gran número de características utilizando modelos lineales, como la regresión lineal y la regresión logística. Durante el análisis exploratorio de datos, el especialista observa que muchas características están altamente correlacionadas entre sí. Esto puede hacer que el modelo sea inestable. ¿Qué debería hacerse para reducir el impacto de tener un número tan grande de características?
A. Realizar la codificación de una sola vez en características altamente correlacionadas
B. Utilizar la multiplicación de matrices en características altamente correlacionadas
C. Crear un nuevo espacio de características mediante el análisis de componentes principales (ACP)
D. Aplicar el coeficiente de correlación de Pearson
Ver respuesta
Respuesta correcta: C
Cuestionar #4
P34: 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 personas mayores de 65 años que padecen una enfermedad concreta que se sabe que empeora con la edad. Los modelos iniciales han obtenido malos resultados. Al revisar los d
A. Elimine todos los registros del conjunto de datos en los que la edad se haya establecido en 0
B. Sustituir el valor del campo edad de los registros con valor 0 por el valor medio o mediano del conjunto de datos
C. Elimine la característica de edad del conjunto de datos y entrene el modelo utilizando el resto de características
D. Utilizar la agrupación k-means para tratar las características que faltan
Ver respuesta
Respuesta correcta: A
Cuestionar #5
P23: 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. Abandono
B. Pérdida suave de L1
C. Softmax
D. Unidades lineales rectificadas (ReLU)
Ver respuesta
Respuesta correcta: C
Cuestionar #6
P38: Una empresa está observando una baja precisión durante el entrenamiento 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. ¿Cuál de las siguientes opciones puede lograrlo? (Elija dos.)
A. Personalice el algoritmo de clasificación de imágenes incorporado para que utilice Inception y utilícelo para el entrenamiento del modelo
B. Cree un caso de soporte con el equipo de SageMaker para cambiar el algoritmo de clasificación de imágenes predeterminado a Inception
C. Agrupe un contenedor Docker con TensorFlow Estimator cargado con una red Inception y utilícelo para el entrenamiento del modelo
D. Utilizar código personalizado en Amazon SageMaker con TensorFlow Estimator para cargar el modelo con una red Inception y utilizarla para el entrenamiento del modelo
E. Descargue y apt-get install el código de red de inicio en una instancia de Amazon EC2 y utilice esta instancia como cuaderno Jupyter en Amazon SageMaker
Ver respuesta
Respuesta correcta: B
Cuestionar #7
P35: Un equipo de Ciencia de Datos está diseñando un repositorio de conjuntos de datos donde almacenará una gran cantidad de datos de entrenamiento utilizados habitualmente en sus modelos de aprendizaje automático. Como los científicos de datos pueden crear un número arbitrario de nuevos conjuntos de datos cada día, la solución tiene que escalar automáticamente y ser rentable. Además, debe ser posible explorar los datos mediante SQL. ¿Qué esquema de almacenamiento es el MÁS adaptado a este escenario?
A. Almacenar conjuntos de datos como archivos en Amazon S3
B. Almacenar conjuntos de datos como archivos en un volumen de Amazon EBS adjunto a una instancia de Amazon EC2
C. Almacenar conjuntos de datos como tablas en un clúster multinodo de Amazon Redshift
D. Almacenar conjuntos de datos como tablas globales en Amazon DynamoDB
Ver respuesta
Respuesta correcta: D
Cuestionar #8
Dado el conjunto de datos, el especialista desea convertir la columna Day_Of_Week a valores binarios. ¿Qué técnica debe utilizarse para convertir esta columna en valores binarios?
A. Binarización
B. Codificación en caliente
C. Tokenización
D. Transformación de normalización
Ver respuesta
Respuesta correcta: CD
Cuestionar #9
P24: Un especialista en aprendizaje automático ha entrenado un modelo de regresión, pero es necesario optimizar la primera iteración. El especialista necesita saber si el modelo sobrestima o subestima el objetivo con mayor frecuencia. ¿Qué opción puede utilizar el especialista para determinar si sobreestima o subestima el valor objetivo?
A. Error cuadrático medio (RMSE)
B. Parcelas de residuos
C. Área bajo la curva
D. Matriz de confusión
Ver respuesta
Respuesta correcta: B
Cuestionar #10
P43: Un equipo de ciencia de datos de una gran empresa utiliza cuadernos de Amazon SageMaker para obtener acceso a los datos almacenados en buckets de Amazon S3. Al equipo de seguridad de TI le preocupa que las instancias de notebook con acceso a Internet creen una vulnerabilidad de seguridad en la que un código malicioso que se ejecute en las instancias podría poner en peligro la privacidad de los datos. La compañía exige que todas las instancias permanezcan dentro de una VPC segura sin acceso a Internet, y el tráfico de comunicación de datos debe permanecer dentro de la red de AWS. ¿Cómo debe configurar el equipo de ciencia de datos la ubicación de las instancias de notebook para cumplir estos requisitos?
A. Asocie el cuaderno de Amazon SageMaker con una subred privada en una VPC
B. Asocie el bloc de notas de Amazon SageMaker con una subred privada en una VPC
C. Asocie el bloc de notas de Amazon SageMaker con una subred privada en una VPC
D. Asocie el bloc de notas de Amazon SageMaker con una subred privada en una VPC
Ver respuesta
Respuesta correcta: C
Cuestionar #11
P39: Un especialista en aprendizaje automático creó un modelo de aprendizaje profundo de clasificación de imágenes. Sin embargo, el especialista se encontró con un problema de sobreajuste en el que las precisiones de entrenamiento y prueba fueron del 99 % y el 75 %, respectivamente. Cómo debería abordar el especialista este problema y cuál es la razón?
A. La tasa de aprendizaje debe aumentarse porque el proceso de optimización quedó atrapado en un mínimo local
B. La tasa de abandono en la capa plana debe aumentarse porque el modelo no está suficientemente generalizado
C. La dimensionalidad de la capa densa junto a la capa plana debe aumentarse porque el modelo no es lo suficientemente complejo
D. El número de épocas debe aumentarse porque el proceso de optimización finalizó antes de alcanzar el mínimo global
Ver respuesta
Respuesta correcta: B
Cuestionar #12
P36: Un especialista en aprendizaje automático implementó un modelo que proporciona recomendaciones de productos en el sitio web de una empresa. Al principio, el modelo funcionaba muy bien y hacía que los clientes compraran más productos de media. Sin embargo, en los últimos meses, el especialista ha notado que el efecto de las recomendaciones de productos ha disminuido y los clientes están empezando a volver a sus hábitos originales de gastar menos. El especialista no está seguro de lo que ha ocurrido, ya que el modelo no ha cambiado desde su concepción inicial
A. Es necesario rediseñar completamente el modelo porque es incapaz de gestionar los cambios en el inventario de productos
B. Los hiperparámetros del modelo deben actualizarse periódicamente para evitar la derivA
C. El modelo debe reentrenarse periódicamente desde cero utilizando los datos originales y añadiendo un término de regularización para gestionar los cambios en el inventario de productos
D. El modelo debe reentrenarse periódicamente utilizando los datos de entrenamiento originales más nuevos datos a medida que cambia el inventario de productos
Ver respuesta
Respuesta correcta: A

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.