아무것도 놓치고 싶지 않으신가요?

인증 시험 합격 팁

최신 시험 소식 및 할인 정보

전문가가 선별하고 최신 정보를 제공합니다.

예, 뉴스레터를 보내주세요

MLS-C01 시험 준비 : 학습 자료 및 모의고사, AWS 인증 머신 러닝 | SPOTO

AWS 인증 머신러닝—스페셜티(MLS-C01) 시험은 개발 또는 데이터 과학 직무의 전문가를 대상으로 하며, AWS 클라우드 플랫폼에서 ML 모델을 구축, 개선 및 실행하는 데 대한 전문성을 평가합니다. 이 자격증은 ML 작업을 위해 Amazon SageMaker, AWS Lambda 및 Amazon S3와 같은 AWS 서비스를 활용하는 개인의 숙련도를 증명합니다. SPOTO는 학습 자료 및 모의 테스트를 포함한 포괄적 인 MLS-C01 시험 준비 리소스를 제공합니다. 이러한 학습 자료에는 시험 문제, 모의고사, 샘플 문제 및 시험 덤프가 포함되어 있어 시험 구조, 핵심 개념 및 문제 해결 전략에 대한 깊은 이해를 돕습니다. 이러한 리소스에 액세스하면 시험 준비도와 자신감이 향상됩니다. 또한 SPOTO의 모의 시험은 현실적인 시험 시뮬레이션을 제공하므로 응시자는 시험 조건을 시뮬레이션하고 자신의 준비 상태를 효과적으로 평가할 수 있습니다. SPOTO의 학습 자료와 모의고사를 활용하면 MLS-C01 시험 준비를 간소화하여 인증을 향한 체계적이고 성공적인 여정을 보장합니다.

다른 온라인 시험에 응시하세요
질문 #1
질문: 한 기계 학습 전문가가 뉴욕시의 대중 교통을 설명하는 데이터 세트에 대해 전체 베이지안 네트워크를 구현하고 있습니다. 무작위 변수 중 하나는 이산형이며, 버스가 10분마다 순환하고 평균이 3분인 경우 뉴욕 시민들이 버스를 기다리는 시간을 나타냅니다. ML 전문가가 이 변수에 대해 어떤 사전 확률 분포를 사용해야 할까요?
A. 푸아송 분포
B. 균일한 분포
C. 정규 분포
D. 이항 분포
답변 보기
정답: A
질문 #2
Q33: 한 게임 회사에서 무료로 게임을 시작할 수 있지만 특정 기능을 사용하려면 유료로 전환해야 하는 온라인 게임을 출시했습니다. 이 회사는 신규 사용자가 1년 이내에 유료 사용자가 될지 여부를 예측하는 자동화된 시스템을 구축해야 합니다. 이 회사는 1백만 명의 사용자로부터 라벨이 지정된 데이터 세트를 수집했습니다. 학습 데이터 세트는 1,000개의 양성 샘플(1년 이내에 결제를 완료한 사용자)과 999,000개의 음성 샘플(유료 기능을 사용하지 않은 사용자)로 구성됩니다
A. 모델이 더 많은 기능을 학습할 수 있도록 무작위 숲에 더 깊은 나무를 추가합니다
B. 테스트 데이터 세트의 샘플 사본을 학습 데이터 세트에 포함시킵니다
C. 양성 샘플을 복제하고 복제된 데이터에 소량의 노이즈를 추가하여 더 많은 양성 샘플을 생성합니다
D. 오탐이 오탐보다 비용 값에 더 큰 영향을 미치도록 비용 함수를 변경합니다
E. 오탐이 오탐보다 비용 값에 더 큰 영향을 미치도록 비용 함수를 변경합니다
답변 보기
정답: D
질문 #3
Q41: 머신 러닝 전문가가 선형 회귀 및 로지스틱 회귀와 같은 선형 모델을 사용하여 많은 수의 특징에 대한 예측 모델을 구축하고 있습니다. 탐색적 데이터 분석 중에 많은 특징이 서로 높은 상관관계를 가지고 있음을 발견했습니다. 이로 인해 모델이 불안정해질 수 있습니다. 이렇게 많은 수의 피처가 미치는 영향을 줄이려면 어떻게 해야 하나요?
A. 상관관계가 높은 피처에 대해 원핫 인코딩을 수행합니다
B. 상관관계가 높은 피처에 행렬 곱셈을 사용합니다
C. 주성분 분석(PCA)을 사용하여 새 피처 공간 만들기
D. 피어슨 상관 계수를 적용합니다
답변 보기
정답: C
질문 #4
Q34: 데이터 과학자가 각 환자와 치료 계획에 대해 수집한 정보를 기반으로 향후 환자 결과를 예측하는 기계 학습 모델을 개발하고 있습니다. 이 모델은 예측값으로 연속값을 출력해야 합니다. 사용 가능한 데이터에는 4,000명의 환자 세트에 대한 레이블이 지정된 결과가 포함됩니다. 이 연구는 나이가 들면서 악화되는 것으로 알려진 특정 질병을 앓고 있는 65세 이상의 개인 그룹을 대상으로 진행되었습니다. 초기 모델의 성과는 저조했습니다. 기저 데이터를 검토하는 동안
A. 연령이 0으로 설정된 데이터 집합에서 모든 레코드를 삭제합니다
B. 값이 0인 레코드의 연령 필드 값을 데이터 집합의 평균 또는 중앙값으로 바꿉니다
C. 데이터 세트에서 연령 기능을 삭제하고 나머지 기능을 사용하여 모델을 학습시킵니다
D. 누락된 기능을 처리하기 위해 K-평균 클러스터링 사용
답변 보기
정답: A
질문 #5
Q23: 한 머신 러닝 전문가가 10가지 유형의 동물을 분류할 컨볼루션 신경망(CNN)을 구축하고 있습니다. 이 전문가는 신경망에 동물의 입력 이미지를 가져와서 일련의 컨볼루션 및 풀링 레이어를 통과한 다음 최종적으로 10개의 노드가 완전히 연결된 조밀하고 완전히 연결된 레이어를 통과하는 일련의 레이어를 구축했습니다. 전문가는 신경망에서 입력된 이미지가 다음과 같을 확률을 확률 분포로 나타낸 출력을 얻고자 합니다
A. 중퇴
B. 원활한 L1 손실
C. 소프트맥스
D. 정류된 선형 단위(ReLU)
답변 보기
정답: C
질문 #6
Q38: 한 회사에서 Amazon SageMaker의 기본 기본 제공 이미지 분류 알고리즘으로 학습하는 동안 정확도가 낮다는 것을 관찰하고 있습니다. 데이터 과학 팀은 ResNet 아키텍처 대신 Inception 신경망 아키텍처를 사용하려고 합니다. 다음 중 이를 달성할 수 있는 것은 무엇인가요? (두 가지를 선택하세요.)
A. 내장된 이미지 분류 알고리즘을 사용자 지정하여 Inception을 사용하고 이를 모델 학습에 사용합니다
B. 세이지메이커 팀에 지원 케이스를 만들어 기본 이미지 분류 알고리즘을 인셉션으로 변경하세요
C. Docker 컨테이너에 Inception 네트워크가 로드된 TensorFlow Estimator를 번들로 제공하고 이를 모델 학습에 사용합니다
D. Amazon SageMaker의 사용자 지정 코드와 TensorFlow Estimator를 사용하여 Inception 네트워크로 모델을 로드하고 이를 모델 학습에 사용하세요
E. Amazon EC2 인스턴스에 인셉션 네트워크 코드를 다운로드하여 apt-get으로 설치하고 이 인스턴스를 Amazon SageMaker에서 Jupyter 노트북으로 사용합니다
답변 보기
정답: B
질문 #7
Q35: 한 데이터 과학 팀이 머신 러닝 모델에 일반적으로 사용되는 대량의 학습 데이터를 저장할 데이터 세트 리포지토리를 설계하고 있습니다. 데이터 과학자는 매일 임의의 수의 새로운 데이터 세트를 생성할 수 있으므로 솔루션은 자동으로 확장되고 비용 효율적이어야 합니다. 또한 SQL을 사용해 데이터를 탐색할 수 있어야 합니다. 이 시나리오에 가장 적합한 스토리지 체계는 무엇일까요?
A. 데이터 세트를 Amazon S3에 파일로 저장합니다
B. 데이터 세트를 Amazon EC2 인스턴스에 연결된 Amazon EBS 볼륨에 파일로 저장합니다
C. 데이터 세트를 멀티노드 Amazon Redshift 클러스터에 테이블로 저장합니다
D. 데이터 세트를 Amazon DynamoDB에 글로벌 테이블로 저장합니다
답변 보기
정답: D
질문 #8
데이터 집합이 주어졌을 때 전문가가 요일_오브_주 열을 이진 값으로 변환하려고 합니다. 이 열을 이진 값으로 변환하려면 어떤 기술을 사용해야 하나요?
A. 바이너리화
B. 원핫 인코딩
C. 토큰화
D. 정규화 변환
답변 보기
정답: CD
질문 #9
Q24: 머신 러닝 전문가가 회귀 모델을 훈련했지만 첫 번째 반복을 최적화해야 합니다. 전문가는 모델이 목표값을 과대 또는 과소 평가하는 경우가 더 많은지 파악해야 합니다. 전문가가 목표 값을 과대 또는 과소 평가하는지 여부를 판단하기 위해 어떤 옵션을 사용할 수 있나요?
A. 제곱근 평균 오차(RMSE)
B. 잔여 플롯
C. 곡선 아래 영역
D. 혼동 매트릭스
답변 보기
정답: B
질문 #10
Q43: 한 대기업의 데이터 과학 팀은 Amazon SageMaker 노트북을 사용하여 Amazon S3 버킷에 저장된 데이터에 액세스합니다. IT 보안팀은 인터넷이 지원되는 노트북 인스턴스가 인스턴스에서 실행되는 악성 코드가 데이터 개인 정보를 침해할 수 있는 보안 취약성을 야기할 수 있다고 우려하고 있습니다. 회사에서는 모든 인스턴스가 인터넷에 액세스할 수 없는 보안 VPC 내에 있어야 하며, 데이터 통신 트래픽은 AWS 네트워크 내에 있어야 한다고 규정하고 있습니다. 데이터 과학 팀은 이러한 요구 사항을 충족하기 위해 노트북 인스턴스 배치를 어떻게 구성해야 할까요?
A. 아마존 세이지메이커 노트북을 VPC의 사설 서브넷에 연결합니다
B. Amazon SageMaker 노트북을 VPC의 사설 서브넷에 연결합니다
C. Amazon SageMaker 노트북을 VPC의 개인 서브넷에 연결합니다
D. Amazon SageMaker 노트북을 VPC의 개인 서브넷에 연결합니다
답변 보기
정답: C
질문 #11
Q39: 한 머신러닝 전문가가 이미지 분류 딥러닝 모델을 구축했습니다. 그러나 이 전문가는 훈련 및 테스트 정확도가 각각 99%와 75%인 과적합 문제에 부딪혔습니다. 이 전문가는 이 문제를 어떻게 해결해야 하며 그 이유는 무엇인가요?
A. 최적화 프로세스가 로컬 최소값에 갇혀 있기 때문에 학습 속도를 높여야 합니다
B. 모델이 충분히 일반화되지 않았기 때문에 평탄화 레이어에서의 드롭아웃률을 높여야 합니다
C. 모델이 충분히 복잡하지 않으므로 평평한 레이어 옆의 밀도가 높은 레이어의 치수를 늘려야 합니다
D. 글로벌 최소값에 도달하기 전에 최적화 프로세스가 종료되었으므로 에포크 수를 늘려야 합니다
답변 보기
정답: B
질문 #12
Q36: 한 머신러닝 전문가가 회사 웹사이트에 상품 추천을 제공하는 모델을 배포했습니다. 처음에는 이 모델의 성능이 매우 우수하여 고객이 평균적으로 더 많은 제품을 구매했습니다. 그러나 지난 몇 달 동안 이 전문가는 제품 추천의 효과가 줄어들고 고객이 원래의 소비 습관으로 돌아가기 시작했다는 사실을 발견했습니다. 이 전문가는 모델이 처음과 달라지지 않았기 때문에 무슨 일이 일어났는지 잘 모르겠습니다. 어떤 방법으로 모델 성능을 개선해야 하나요?
A. 제품 재고 변경을 처리할 수 없으므로 모델을 완전히 재설계해야 합니다
B. 모델의 하이퍼파라미터는 드리프트를 방지하기 위해 주기적으로 업데이트해야 합니다
C. 제품 재고 변경을 처리하기 위해 정규화 기간을 추가하면서 원본 데이터를 사용하여 주기적으로 모델을 처음부터 다시 학습시켜야 합니다
D. 모델은 원래 학습 데이터와 제품 재고가 변경되면 새로운 데이터를 사용하여 주기적으로 재학습해야 합니다
답변 보기
정답: A

제출 후 답변 보기

질문에 대한 답변을 얻으려면 이메일과 WhatsApp을 제출하세요.

참고: 올바른 시험 결과를 얻을 수 있도록 이메일 ID와 Whatsapp이 유효한지 확인하십시오.

이메일:
WhatsApp/전화번호:


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