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

MLS-C01試験対策:学習教材・模擬試験、AWS認定機械学習|SPOTO

AWS認定機械学習—Specialty(MLS-C01)試験は、開発またはデータサイエンスの職務に従事する専門家向けにカスタマイズされており、AWSクラウドプラットフォーム上でのMLモデルの構築、改良、および起動に関する専門知識を評価します。この認定資格は、Amazon SageMaker、AWS Lambda、Amazon S3などのAWSサービスをMLタスクに活用する能力を証明するものです。SPOTOは、学習教材と模擬試験を含む包括的なMLS-C01試験準備リソースを提供しています。これらの学習教材には、試験問題、模擬試験、サンプル問題、試験ダンプが含まれており、試験の構造、コアコンセプト、問題解決ストラテジーを深く理解することができます。これらのリソースにアクセスすることで、試験への準備と自信が高まります。さらに、SPOTOの模擬試験は、現実的な試験シミュレーションを提供し、受験者が試験状況をシミュレートし、準備態勢を効果的に評価することを可能にします。SPOTOの学習教材と模擬テストを活用すれば、MLS-C01試験の準備を効率化し、計画的に学習を進めることができます。

他のオンライン試験を受ける

質問 #1
問 42: 機械学習の専門家は、ニューヨーク市の公共交通機関について記述したデータセットに完全なベイジアンネットを実装している。確率変数の1つは離散的で、平均3分でバスが10分ごとに循環していると仮定した場合、ニューヨーカーが何分バスを待つかを表します。MLスペシャリストはこの変数にどの事前確率分布を使用すべきでしょうか?
A. ポアソン分布
B. 一様分布
C. 正規分布
D. 二項分布
回答を見る
正解: A
質問 #2
Q33: あるゲーム会社が、無料でプレイを開始できるが、特定の機能を使用する場合は課金が必要なオンラインゲームを開始した。同社は、新規ユーザーが1年以内に有料ユーザーになるかどうかを予測する自動システムを構築する必要がある。同社は100万人のユーザーからラベル付きデータセットを集めた。トレーニングデータセットは、1,000のポジティブサンプル(1年以内に有料になったユーザー)と999,000のネガティブサンプル(有料機能を使わなかったユーザー)で構成されている。
A. ランダムフォレストにさらにディープツリーを追加して、モデルがより多くの特徴を学習できるようにする。
B. テストデータセットのサンプルのコピーをトレーニングデータセットに含める。
C. 正サンプルを複製し、複製したデータに少量のノイズを加えることで、より多くの正サンプルを生成する。
D. 偽陰性の方が偽陽性よりもコスト値への影響が大きくなるように、コスト関数を変更する。
E. 偽陽性の方が偽陰性よりもコスト値への影響が大きくなるように、コスト関数を変更する。
回答を見る
正解: D
質問 #3
Q41: 機械学習の専門家が、線形回帰やロジスティック回帰などの線形モデルを使用して、多数の特徴に対する予測モデルを構築しています。探索的データ分析中に、スペシャリストは多くの特徴が互いに高い相関を持っていることを観察しました。これはモデルを不安定にする可能性があります。このような多数の特徴があることの影響を減らすには、何をすべきでしょうか?
A. 相関性の高い特徴に対してワンホットエンコーディングを行う。
B. 相関性の高い特徴に対して行列乗算を使用する。
C. 主成分分析(PCA)を用いて新しい特徴空間を作成する。
D. ピアソン相関係数を適用する。
回答を見る
正解: C
質問 #4
Q34: データサイエンティストは、各患者とその治療計画について収集した情報に基づいて、将来の患者の転帰を予測する機械学習モデルを開発しています。モデルは予測値として連続値を出力する必要があります。利用可能なデータには、4,000人の患者のラベル付き転帰が含まれています。この研究は、加齢とともに悪化することが知られている特定の疾患を持つ65歳以上の個人を対象として実施された。初期モデルの成績は芳しくなかった。基礎となるd
A. 年齢が0に設定されているデータセットから、すべてのレコードを削除する。
B. 値が0のレコードの年齢フィールドの値を、データセットの平均値または中央値で置き換える。
C. データセットから年齢特徴を削除し、残りの特徴を使ってモデルを訓練する。
D. k-means クラスタリングを使用して、欠落した特徴を処理する。
回答を見る
正解: A
質問 #5
問23:機械学習の専門家が、10種類の動物を分類する畳み込みニューラルネットワーク(CNN)を構築している。その専門家は、動物の入力画像を受け取り、それを一連の畳み込み層とプーリング層に通し、最後に10個のノードを持つ密な完全接続層に通すニューラルネットワークの一連の層を構築した。スペシャリストはニューラルネットワークから出力を得たいと考えている。
A. ドロップアウト
B. スムーズなL1ロス
C. ソフトマックス
D. 整流リニアユニット(ReLU)
回答を見る
正解: C
質問 #6
Q38: Amazon SageMakerにデフォルトで組み込まれている画像分類アルゴリズムでトレーニングを行っているところ、精度が低いことがわかりました。データサイエンスチームは、ResNetアーキテクチャの代わりにInceptionニューラルネットワークアーキテクチャを使用したいと考えています。これを達成できるのは次のうちどれですか?(2つ選んでください)。
A. 内蔵の画像分類アルゴリズムをカスタマイズしてInceptionを使用し、これをモデル学習に使用する。
B. デフォルトの画像分類アルゴリズムをInceptionに変更するために、SageMakerチームとサポートケースを作成する。
C. Inception ネットワークをロードした TensorFlow Estimator を Docker コンテナにバンドルし、モデルのトレーニングに使用する。
D. Amazon SageMaker with TensorFlow Estimatorのカスタムコードを使用して、モデルにInceptionネットワークをロードし、これをモデルのトレーニングに使用する。
E. Amazon EC2インスタンスにinceptionネットワークコードをダウンロードしてapt-getインストールし、このインスタンスをAmazon SageMakerのJupyterノートブックとして使用する。
回答を見る
正解: B
質問 #7
Q35: あるデータサイエンスチームが、機械学習モデルでよく使われる大量の学習データを保存するデータセットリポジトリを設計しています。データサイエンティストは毎日任意の数の新しいデータセットを作成する可能性があるため、ソリューションは自動的に拡張でき、費用対効果が高いものでなければなりません。また、SQLを使ってデータを探索できなければならない。このシナリオに最も適したストレージ方式はどれでしょうか?
A. データセットをファイルとしてAmazon S3に保存する。
B. Amazon EC2インスタンスに接続されたAmazon EBSボリュームに、データセットをファイルとして保存する。
C. データセットをテーブルとしてマルチノードのAmazon Redshiftクラスタに保存する。
D. Amazon DynamoDBにグローバルテーブルとしてデータセットを保存する。
回答を見る
正解: D
質問 #8
データセットが与えられ、スペシャリストはDay_Of_Week列をバイナリ値に変換したい。この列をバイナリ値に変換するには、どのようなテクニックを使用する必要がありますか?
A. 二値化
B. ワンホットエンコーディング
C. トークン化
D. 正規化変換
回答を見る
正解: CD
質問 #9
Q24: 機械学習スペシャリストが回帰モデルを学習しましたが、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、目標値を過大評価しているのか過小評価してい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. 混乱行列
回答を見る
正解: B
質問 #10
Q43: ある大企業のデータサイエンスチームは、Amazon S3 バケットに保存されたデータにアクセスするために Amazon SageMaker ノートブックを使用しています。ITセキュリティチームは、インターネットに接続可能なノートブックインスタンスが、インスタンス上で実行される悪意のあるコードがデータプライバシーを侵害する可能性があるセキュリティ上の脆弱性を生み出すことを懸念しています。同社は、すべてのインスタンスがインターネットにアクセスできないセキュアなVPC内に留まり、データ通信トラフィックはAWSネットワーク内に留まることを義務付けています。データサイエンスチームは、これらの要件を満たすためにノートブックインスタンスの配置をどのように構成すべきでしょうか?
A. Amazon SageMaker ノートブックを VPC 内のプライベートサブネットに関連付けます。Amazon SageMakerエンドポイントとS3バケットを同じVPC内に配置します。
B. Amazon SageMaker ノートブックを VPC 内のプライベートサブネットに関連付けます。IAM ポリシーを使用して、Amazon S3 と Amazon SageMaker へのアクセスを許可します。
C. Amazon SageMakerノートブックをVPCのプライベートサブネットに関連付けます。VPC に S3 VPC エンドポイントと Amazon SageMaker VPC エンドポイントが接続されていることを確認します。
D. Amazon SageMaker ノートブックを VPC 内のプライベートサブネットに関連付けます。VPC に NAT ゲートウェイがあり、Amazon S3 と Amazon SageMaker へのアウトバウンド接続のみを許可するセキュリティグループが関連付けられていることを確認します。
回答を見る
正解: C
質問 #11
Q39: 機械学習のスペシャリストが画像分類ディープラーニングモデルを構築しました。しかし、トレーニング精度が99%、テスト精度が75%というオーバーフィッティングの問題が発生しました。スペシャリストはこの問題にどのように対処すべきでしょうか?
A. 最適化プロセスがローカル・ミニマムでトラップされたため、学習率を上げる必要がある。
B. モデルが十分に一般化されていないため、平坦化層での脱落率を上げるべきである。
C. 平坦化レイヤーの隣にある高密度レイヤーの次元を上げる必要がある。
D. 最適化プロセスがグローバルミニマムに達する前に終了したため、エポック数を増やす必要があります。
回答を見る
正解: B
質問 #12
Q36: 機械学習のスペシャリストが、ある企業のウェブサイトに商品の推奨を提供するモデルを導入しました。当初、このモデルは非常にうまく機能し、顧客は平均してより多くの商品を購入しました。しかし、ここ数カ月の間に、そのスペシャリストは、商品推奨の効果が減少し、顧客がより少ない支出という元の習慣に戻り始めていることに気づきました。スペシャリストは、モデルが初期から変化していないため、何が起こったのかわかりません。 スペシャリストは、モデルのパフォーマンスを向上させるために、どの方法を試すべきでしょうか?
A. 製品の在庫変動に対応できないため、モデルを完全に再設計する必要があります。
B. モデルのハイパーパラメータは、ドリフトを防ぐために定期的に更新されるべきである。
C. モデルは、商品在庫の変化を処理するために正則化項を追加しながら、元のデータを使用してゼロから定期的に再学習されるべきである。
D. モデルは、元のトレーニングデータに加え、製品在庫の変化に応じて新しいデータを使用して定期的に再トレーニングする必要があります。
回答を見る
正解: A

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: