不想錯過任何事?

通過認證考試的技巧

最新考試新聞和折扣資訊

由我們的專家策劃和更新

是的,請向我發送時事通訊

MLS-C01 考試準備:學習材料和模擬測試,AWS 機器學習認證 | SPOTO

AWS Certified Machine Learning—Specialty(MLS-C01)考試專爲開發或數據科學領域的專業人士量身定製,用於評估他們在 AWS 雲平臺上構建、完善和啓動 ML 模型的專業知識。該認證證明了個人在利用 AWS 服務(如 Amazon SageMaker、AWS Lambda 和 Amazon S3)執行 ML 任務方面的熟練程度。SPOTO 提供全面的 MLS-C01 備考資源,包括學習材料和模擬測試。這些學習材料包括考試試題、模擬測試、樣題和考試轉儲,有助於深入理解考試結構、核心概念和解決問題的策略。獲取這些資源可增強考試準備和信心。此外,SPOTO'的模擬測試提供了逼真的考試模擬,使考生能夠模擬考試條件,有效評估自己的準備情況。利用 SPOTO' 的學習材料和模擬測試可簡化 MLS-C01 考試的準備工作,確保有條不紊地成功通過認證。

參加其他線上考試

問題 #1
問題 42:一位機器學習專家正在對一個描述紐約市公共交通情況的數據集實施全貝葉斯網絡。其中一個隨機變量是離散的,表示紐約人等待公交車的分鐘數,條件是公交車每 10 分鐘一班,平均值爲 3 分鐘。對於這個變量,ML 專家應該使用哪種先驗概率分布?
A. 松分布
B. 勻分布
C. 態分布
D. 項分布
查看答案
正確答案: A
問題 #2
問題 33:一家遊戲公司推出了一款在線遊戲,用戶可以免費開始遊戲,但如果選擇使用某些功能,則需要付費。該公司需要建立一個自動系統來預測新用戶是否會在一年內成爲付費用戶。該公司從 100 萬用戶中收集了一個標註數據集。訓練數據集包括 1,000 個正樣本(來自最終在 1 年內付費的用戶)和 999,000 個負樣本(來自未使用任何付費功能的用戶)。
A. 隨機森林添加更多深度樹,讓模型學習更多特徵。
B. 訓練數據集中包含一份測試數據集中的樣本。
C. 過複製正樣本並在複製數據中添加少量噪音,生成更多的正樣本。
D. 改成本函數,使假陰性比假陽性對成本值的影響更大。
E. 改成本函數,使誤報對成本值的影響高於誤報。
查看答案
正確答案: D
問題 #3
問題 41:一位機器學習專家正在使用線性模型(如線性回歸和邏輯回歸)爲大量特徵建立預測模型。在探索性數據分析過程中,專家發現許多特徵之間存在高度相關性。這可能會導致模型不穩定。應該如何減少大量特徵帶來的影響?
A. 高度相關的特徵進行單次編碼。
B. 高度相關的特徵使用矩陣乘法。
C. 用主成分分析(PCA)創建新的特徵空間
D. 用皮爾遜相關係數。
查看答案
正確答案: C
問題 #4
問題 34:一位數據科學家正在開發一個機器學習模型,以根據收集到的有關每位患者及其治療計劃的信息預測患者未來的治療效果。該模型應輸出一個連續值作爲預測值。現有數據包括一組 4000 名患者的標記結果。研究對象是 65 歲以上的人羣,他們患有一種已知會隨着年齡增長而惡化的特殊疾病。最初的模型表現不佳。在回顧基礎數據的同時
A. 除數據集中所有年齡設置爲 0 的記錄。
B. 數據集的平均值或中位值替換年齡字段值爲 0 的記錄
C. 數據集中刪除年齡特徵,使用其他特徵訓練模型。
D. 用 K 均值聚類處理缺失特徵
查看答案
正確答案: A
問題 #5
問題 23:一位機器學習專家正在構建一個卷積神經網絡(CNN),對 10 種動物進行分類。專家在神經網絡中構建了一系列層,這些層將接收動物的輸入圖像,通過一系列卷積層和池化層,最後通過一個有 10 個節點的密集全連接層。專家希望從神經網絡中得到一個輸出,即輸入圖像有多大可能性的概率分布。
A. 學
B. 滑 L1 損失
C. 最大
D. 流線性單元(ReLU)
查看答案
正確答案: C
問題 #6
問題 38:某公司在 Amazon SageMaker 中使用默認內置圖像分類算法進行訓練時,發現準確率很低。數據科學團隊希望使用 Inception 神經網絡架構,而不是 ResNet 架構。以下哪項可以實現這一目標?(選擇兩項)。
A. 定義內置圖像分類算法,使其使用 Inception,並將其用於模型訓練。
B. SageMaker 團隊一起創建一個支持案例,將默認圖像分類算法更改爲 Inception。
C. 裝有 TensorFlow Estimator 的 Docker 容器與 Inception 網絡捆綁在一起,並將其用於模型訓練。
D. Amazon SageMaker 中使用帶有 TensorFlow 估算器的自定義代碼,用 Inception 網絡加載模型,並將其用於模型訓練。
E. 載並使用 apt-get 將啓動網絡代碼安裝到 Amazon EC2 實例中,然後將該實例用作 Amazon SageMaker 中的 Jupyter 筆記本。
查看答案
正確答案: B
問題 #7
問題 35:一個數據科學團隊正在設計一個數據集存儲庫,用於存儲機器學習模型中常用的大量訓練數據。由於數據科學家每天都可能創建任意數量的新數據集,因此該解決方案必須能夠自動擴展並具有成本效益。此外,還必須能夠使用 SQL 瀏覽數據。哪種存儲方案最適合這種情況?
A. 數據集存儲爲 Amazon S3 中的文件。
B. 數據集作爲文件存儲在連接到 Amazon EC2 實例的 Amazon EBS 卷中。
C. 多節點 Amazon Redshift 集羣中將數據集存儲爲表。
D. 數據集作爲全局表存儲在 Amazon DynamoDB 中。
查看答案
正確答案: D
問題 #8
給定數據集後,專家希望將 Day_Of_Week 列轉換爲二進制值。應該使用什麼技術將這一列轉換爲二進制值?
A. 值化
B. 熱編碼
C. 牌化
D. 一化轉換
查看答案
正確答案: CD
問題 #9
問題 24:一位機器學習專家訓練了一個回歸模型,但第一次迭代需要優化。專家需要了解該模型是經常高估還是低估目標值。專家可以使用什麼選項來確定是高估還是低估了目標值?
A. 方根誤差(RMSE)
B. 差圖
C. 線下面積
D. 淆矩陣
查看答案
正確答案: B
問題 #10
問題 43:一家大公司的數據科學團隊使用 Amazon SageMaker 筆記本訪問存儲在 Amazon S3 存儲桶中的數據。IT 安全團隊擔心啓用互聯網的筆記本實例會產生安全漏洞,在實例上運行的惡意代碼可能會泄露數據隱私。公司規定,所有實例都必須位於安全的 VPC 內,不能訪問互聯網,數據通信流量必須位於 AWS 網絡內。數據科學團隊應如何配置筆記本實例位置以滿足這些要求?
A. Amazon SageMaker 筆記本與 VPC 中的私有子網關聯。將 Amazon SageMaker 端點和 S3 存儲桶置於同一 VPC 中。
B. Amazon SageMaker 筆記本與 VPC 中的私有子網關聯。使用 IAM 策略授予 Amazon S3 和 Amazon SageMaker 的訪問權限。
C. Amazon SageMaker 筆記本與 VPC 中的私有子網關聯。確保 VPC 中連接有 S3 VPC 端點和 Amazon SageMaker VPC 端點。
D. Amazon SageMaker 筆記本與 VPC 中的私有子網關聯。確保 VPC 具有 NAT 網關和相關安全組,只允許向外連接 Amazon S3 和 Amazon SageMaker。
查看答案
正確答案: C
問題 #11
問題 39:一位機器學習專家建立了一個圖像分類深度學習模型。然而,該專家遇到了過擬合問題,訓練和測試的準確率分別爲 99% 和 75%。專家應該如何解決這個問題,其背後的原因是什麼?
A. 該提高學習率,因爲優化過程陷入了局部最小值。
B. 平層的輟學率應該提高,因爲模型不夠概括。
C. 於模型不夠複雜,應增加扁平層旁邊的緻密層的維度。
D. 於優化過程在達到全局最小值之前就已終止,因此應增加歷時次數。
查看答案
正確答案: B
問題 #12
問題 36:一位機器學習專家在一家公司的網站上部署了一個提供產品推薦的模型。起初,該模型的表現非常好,客戶平均購買了更多的產品。然而,在過去的幾個月裏,該專家注意到產品推薦的效果有所減弱,客戶開始恢復原來的習慣,減少了消費。專家不知道發生了什麼,因爲該模型與最初的模型相比沒有任何變化。 專家應該嘗試哪種方法來提高模型的性能?
A. 於模型無法處理產品庫存變化,因此需要完全重新設計。
B. 型的超參數應定期更新,以防止漂移。
C. 定期使用原始數據從頭開始重新訓練模型,同時添加正則化項以處理產品庫存變化
D. 產品庫存發生變化時,應使用原始訓練數據和新數據定期對模型進行再訓練。
查看答案
正確答案: A

提交後看答案

請提交您的電子郵件和WhatsApp以獲取問題的答案。

注意:請確保您的電子郵件 ID 和 Whatsapp 有效,以便您獲得正確的考試結果。

電子郵件:
WhatsApp/電話號碼: