すべての情報を見逃したくないですか？

認定試験に合格するためのヒント

最新の試験ニュースと割引情報

当社の専門家による厳選最新情報

はい、ニュースを送ってください

無料AWS MLS-C01試験問題＆サンプル模擬試験

 受験名 AWS認定機械学習-スペシャリティ（機械学習スペシャリティ）
受験番号MLS-C01
受験料300ドル
試験期間180分
質問数65
合格点(750 / 1000 Approx.

AWS MLS-C01認定の旅に出る前に、試験形式、直面する問題の種類、難易度、試験を完了するのに必要な時間についての疑問は気が重くなるものです。

AWS MLS-C01試験を攻略するための確実なルートは、知識を継続的に強化することにあります。

AWS MLS-C01の認定試験に合格するための確実な近道は、知識を強化し続けることです。

自分の学習状況を把握し、改善していく必要がある分野を特定するために、弊社のプレミアムAWS MLS-C01認定試験模擬問題で練習することをお勧めします。この模擬試験はAWS Certified Machine Learning - Specialty (MLS-C01)試験の準備戦略の基礎となり、あなたの長所と短所を確認し、時間管理能力を磨き、予想されるスコアを現実的に把握するのに役立ちます。

他のオンライン試験を受ける
質問 #1
機械学習のスペシャリストが、100万文からなるデータセットを処理する新しい自然言語処理アプリケーションを作成している。
以下はデータセットからの例です：
"The quck BROWN FOX jumps over the lazy dog."
スペシャリストがデータを正しくサニタイズし、反復可能な方法で準備するために実行する必要がある操作は次のうちどれですか？
A. 品詞タグ付けを行い、動作動詞と名詞のみを残す。
B. 文章を小文字にして、すべての単語を正規化する。
C. 英語のストップワード辞書を使ってストップワードを取り除く。
D. 「quck」のタイポグラフィを「quick」に訂正する。
E. 文中のすべての単語をワンホットでエンコードする。
F. 文章を単語にする。
回答を見る
正解: BCF
質問 #2
機械学習スペシャリストは、複数のデータサイエンティストがノートブックにアクセスし、モデルをトレーニングし、エンドポイントをデプロイできるように Amazon SageMaker を設定しています。最高の運用パフォーマンスを確保するために、スペシャリストは、サイエンティストがモデルをデプロイする頻度、デプロイされた SageMaker エンドポイントの GPU と CPU の使用率、およびエンドポイントが呼び出されたときに生成されるすべてのエラーを追跡できる必要があります。
この情報を追跡するために、Amazon SageMaker と統合されているサービスはどれですか。(2つ選んでください)。
A. AWS CloudTrail
B. AWSヘルス
C. AWS 信頼できるアドバイザー
D. Amazon CloudWatch
E. AWSコンフィグ
回答を見る
正解: AD
質問 #3
データエンジニアは、顧客のクレジットカード情報を含むデータセットを使用してモデルを構築する必要があります。データエンジニアは、データが暗号化され、クレジットカード情報が安全であることをどのように保証できますか？
A. カスタム暗号化アルゴリズムを使用してデータを暗号化し、VPC内のAmazon SageMakerインスタンスにデータを保存します。SageMaker DeepAR アルゴリズムを使用して、クレジットカード番号をランダム化します。
B. IAMポリシーを使ってAmazon S3バケット上のデータを暗号化し、Amazon Kinesisを使ってクレジットカード番号を自動的に破棄し、偽のクレジットカード番号を挿入する。
C. VPC内のSageMakerインスタンスにデータがコピーされたら、Amazon SageMaker起動設定を使用してデータを暗号化する。SageMakerの主成分分析（PCA）アルゴリズムを使用して、クレジットカード番号の長さを短くする。
D. AWS KMSを使用してAmazon S3とAmazon SageMaker上のデータを暗号化し、AWS Glueを使用して顧客データからクレジットカード番号を再編集する。
回答を見る
正解: D
質問 #4
ある製造会社は、構造化データと非構造化データをAmazon S3バケットに保存しています。機械学習のスペシャリストは、SQLを使用してこのデータにクエリを実行したいと考えています。
このデータにクエリを実行できるようにするために、最も労力を必要としないソリューションはどれですか？
A. AWS Data Pipelineを使用してデータを変換し、Amazon RDSを使用してクエリを実行します。
B. AWS Glueを使用してデータをカタログ化し、Amazon Athenaを使用してクエリを実行する。
C. AWS Batchを使用してデータに対してETLを実行し、Amazon Auroraを使用してクエリを実行する。
D. AWS Lambdaを使用してデータを変換し、Amazon Kinesis Data Analyticsを使用してクエリを実行する。
回答を見る
正解: B
質問 #5
ある機械学習チームが Amazon SageMaker を使用して、研究用データセットを使用して Apache MXNet 手書き数字分類器モデルを学習しています。
監査担当者は、不正なAPI呼び出しがないことを確認するために、Amazon SageMakerのログアクティビティレポートを閲覧したいと考えています。
機械学習チームは、最小限のコードと少ないステップで要件に対処するために何をすべきでしょうか？
A. Amazon SageMaker APIコールをAmazon S3にログ出力するAWS Lambda関数を実装する。Amazon CloudWatchにカスタムメトリックをプッシュするコードを追加する。Amazon SNSを使ってCloudWatchにアラームを作成し、モデルがオーバーフィットしたときに通知を受け取る。
B. AWS CloudTrailを使用して、Amazon S3へのAmazon SageMaker APIコールをログに記録する。Amazon CloudWatchにカスタムメトリックをプッシュするコードを追加する。Amazon SNSを使ってCloudWatchにアラームを作成し、モデルがオーバーフィットしたときに通知を受け取る。
C. Amazon SageMaker APIコールをAWS CloudTrailに記録するAWS Lambda関数を実装します。Amazon CloudWatchにカスタムメトリックをプッシュするコードを追加する。Amazon SNSを使ってCloudWatchにアラームを作成し、モデルがオーバーフィットしたときに通知を受け取る。
D. AWS CloudTrailを使用して、Amazon S3にAmazon SageMaker APIコールを記録する。Amazon SNSをセットアップして、モデルがオーバーフィットしたときに通知を受け取る。
回答を見る
正解: B
質問 #6
分類問題のためのニューラルネットワークのミニバッチ訓練中に、データサイエンティストは訓練精度が振動していることに気づきました。
この問題の最も可能性の高い原因は何でしょうか？
A. データセットのクラス分布が不均衡である。
B. データセットのシャッフリングが無効になっている。
C. バッチサイズが大きすぎる。
D. 学習率は非常に高い。
回答を見る
正解: D
質問 #7
機械学習のスペシャリストは、Amazon Athenaを使用してAmazon S3上のデータセットをクエリするプロセスを構築する必要があります。データセットには、プレーンテキストのCSVファイルとして保存された80万件以上のレコードが含まれています。
各レコードには200の列が含まれ、サイズは約1.5MBです。
機械学習スペシャリストは、クエリの実行時間を最小化するために、データセットをどのように変換すべきでしょうか？
A. レコードをApache Parquet形式に変換する。
B. レコードをJSON形式に変換する。
C. レコードをGZIP CSV形式に変換する。
D. レコードをXML形式に変換する。
回答を見る
正解: A
質問 #8

機械学習のスペシャリストは、ストリーミングデータを取り込み、調査と分析のためにApache Parquetファイルに保存できる必要があります。
このデータを取り込み、正しい形式で保存するサービスは次のうちどれでしょうか？
A. AWS DMS
B. Amazon Kinesisデータストリーム
C. Amazon Kinesis Data Firehose
D. アマゾン・キネシス・データ・アナリティクス
回答を見る
正解: C
質問 #9
機械学習のスペシャリストが回帰モデルを訓練しましたが、最初の反復は最適化が必要です。スペシャリストは、モデルが目標値を過大評価することが多いのか、過小評価することが多いのかを理解する必要があります。
スペシャリストは、目標値を過大評価するのか過小評価するのかを判断するために、どのようなオプションを使用できますか？
A. 二乗平均平方根誤差（RMSE）
B. 残差プロット
C. 曲線下面積
D. 混乱マトリックス
回答を見る
正解: B
質問 #10
機械学習のスペシャリストが、カスタムResNetモデルをDockerコンテナにパッケージングし、Amazon SageMakerをトレーニングに活用できるようにしています。スペシャリストはモデルをトレーニングするためにAmazon EC2 P3インスタンスを使用しており、NVIDIA GPUを活用するためにDockerコンテナを適切に構成する必要があります。
スペシャリストは何をする必要があるのでしょうか？
A. NVIDIAドライバをDockerイメージにバンドルします。
B. NVIDIA-Dockerと互換性のあるDockerコンテナを構築します。
C. GPUインスタンス上で実行するために、Dockerコンテナのファイル構造を整理する。
D. Amazon SageMaker CreateTrainingJobリクエストボディにGPUフラグを設定します。
回答を見る
正解: B

送信後に回答を表示する

質問の回答を得るには、電子メールと WhatsApp を送信してください。

注: 正しい試験結果を得ることができるように、電子メール ID と WhatsApp が有効であることを確認してください。

Eメール:
WhatsApp/電話番号:


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