AWS Machine Learning 問題集

的中予想問題

日本語版

131設問数

PDF版

AWS Machine Learning 問題集はベンダー試験の過去の出題傾向を踏まえて作成されています。

IT認定試験は大多数が４択形式の設問となっています。

一般の公式テキスト、参考書、赤本などでは網羅されていない過去問を効果的に学習することにより、極めて短期間で資格認定試験に合格が可能になります。

一般の書店の書籍とことなり、本問題集はお支払い後、すぐにダウンロードしていただき、学習を開始していただけます。

紙媒体とことなり、本問題集は電子フォーマットとなっておりますので、PCラップトップ、タブレット、スマートフォンなど、時・場所に左右されることなく学習ができます。

多くの方から本番試験の合格のご報告を頂戴しています。

無料サンプル問題

出題：2
MachineLearningスペシャリストは、企業の売上を向上させるためのシステムを設計しています。目的は、会社がユーザーの行動や製品の好みに関する大量の情報を使用して、他のユーザーとのユーザーの類似性に基づいて、ユーザーが希望する製品を予測することです。この目的を達成するためにスペシャリストは何をするべきですか？

(A). AmazonEMRでApacheSparkMLを使用してコンテンツベースのフィルタリングレコメンデーションエンジンを構築する
(B). AmazonEMRでApacheSparkMLを使用して協調フィルタリングレコメンデーションエンジンを構築します。
(C). AmazonEMRでApacheSparkMLを使用してモデルベースのフィルタリング推奨エンジンを構築する
(D). AmazonEMRでApacheSparkMLを使用して組み合わせフィルタリング推奨エンジンを構築する



解答：B




出題：3
モバイルネットワークオペレーターは、AmazonAthenaとAmazonS3を使用して、企業の業務を分析および最適化するための分析プラットフォームを構築しています。ソースシステムは、CSV形式でデータをリアルタイムで送信します。データエンジニアリングチームは、Amazon S3に保存する前に、データをApacheParquet形式に変換することを検討しています。実装に最も手間がかからないソリューションはどれですか？

(A). AmazonEC2インスタンスでApacheKafka Streamsを使用してCSVデータを取り込み、Kafka ConnectS3を使用してデータをParquetとしてシリアル化します。
(B). Amazon Kinesis Data Streamsから.CSVデータを取り込み、AmazonGlueを使用してデータをParquetに変換します。
(C). AmazonEMRクラスターでApacheSpark構造化ストリーミングを使用してIngest.CSVデータを取得し、ApacheSparkを使用してデータをParquetに変換します
(D). Amazon Kinesis Data Streamsから.CSVデータを取り込み、Amazon Kinesis DataFirehoseを使用してデータをParquetに変換します。



解答：B




出題：4
都市は、大気汚染の影響に対処するために、大気質を監視することを検討しています。MachineLearningスペシャリストは、市内の次の2日間の汚染物質の100万分の1単位で大気質を予測する必要があります。これはプロトタイプであるため、昨年の日次データのみが利用可能です。Amazon SageMakerで最良の結果をもたらす可能性が最も高いモデルはどれですか？

(A). Amazon SageMaker k-Nearest-Neighbors(KNN）アルゴリズムを、predictor_typeがリグレッサーである1年分のデータで構成される単一の時系列で使用します。
(B). 通年のデータで構成される単一の時系列でAmazonSageMaker Random Cut Forest(RCF）を使用します。
(C). Amazon SageMaker Linear Learnerアルゴリズムを、predictor_typeがregressorである1年間のデータで構成される単一の時系列で使用します。
(D). 分類子のpredictor_typeを使用して、通年のデータで構成される単一の時系列でAmazon SageMaker LinearLearnerアルゴリズムを使用します。



解答：C




出題：5
データエンジニアは、クライアント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たままであり、クレジットカード情報が安全であることをどのように確認できますか？

(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のAmazonSageMaker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ポリシーを使用してAmazonS3バケットとAmazonKinesisのデータを暗号化し、クレジットカード番号を自動的に破棄して偽のクレジットカード番号を挿入します。
(C). データがVPCのSageMakerインスタンスにコピーされたら、AmazonSageMaker起動設定を使用してデータを暗号化します。SageMaker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減らします。
(D). AWSKMSを使用してAmazonS3とAmazonSageMakerのデータを暗号化し、AWSGlueを使用してクライアントデータからクレジットカード番号を編集します。



解答：D




出題：6
MachineLearningスペシャリストは、企業VPCのプライベートサブネットでAmazonSageMakerノートブックインスタンスを使用しています。MLスペシャリストは、Amazon SageMakerノートブックインスタンスのAmazonEBSボリュームに重要なデータを保存しており、そのEBSボリュームのスナップショットを撮る必要があります。ただし、MLスペシャリストはVPC内でAmazonSageMakerノートブックインスタンスのEBSボリュームまたはAmazonEC2インスタンスを見つけることができません。MLスペシャリストがインスタンスをVPCに表示しないのはなぜですか？

(A). Amazon SageMakerノートブックインスタンスは、カスタマーアカウント内のEC2インスタンスに基づいていますが、VPCの外部で実行されます。
(B). Amazon SageMakerノートブックインスタンスは、カスタマーアカウント内のAmazonECSサービスに基づいています。
(C). Amazon SageMakerノートブックインスタンスは、AWSサービスアカウント内で実行されているEC2インスタンスに基づいています。
(D). Amazon SageMakerノートブックインスタンスは、AWSサービスアカウント内で実行されているAWSECSインスタンスに基づいています。



解答：C




出題：7
MachineLearningスペシャリストは、AmazonSageMakerを使用して時系列予測を実行するモデルを構築しています。スペシャリストはモデルのトレーニングを終了し、エンドポイントで負荷テストを実行して、モデルバリアントの自動スケーリングを構成できるようにすることを計画しています。スペシャリストが負荷テスト中に遅延、メモリ使用率、およびCPU使用率を確認できるようにするアプローチはどれですか。

(A). AmazonAthenaとAmazonQuickSightを利用してAmazonS3に書き込まれたSageMakerログを確認し、ログが作成されているときにログを視覚化します。
(B). Amazon CloudWatchダッシュボードを生成して、Amazon SageMakerによって出力されるレイテンシー、メモリ使用率、およびCPU使用率のメトリックスの単一のビューを作成します。
(C). カスタムAmazonCloudWatchログを作成し、Amazon ESとKibanaを利用して、AmazonSageMakerによって生成されたログデータをクエリして視覚化します。
(D). AmazonSageMakerによって生成されたAmazonCloudWatchログをAmazonESに送信し、Kibanaを使用してログデータをクエリおよび視覚化します。



解答：B




出題：8
製造会社は、AmazonS3バケットに構造化データと非構造化データを保存しています。MachineLearningスペシャリストは、SQLを使用してこのデータに対してクエリを実行することを検討しています。このデータをクエリできるようにするために最小限の労力を必要とする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、AmazonRDS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、AmazonAthenaを使用してクエリを実行します。
(C). AWS Batchを使用してデータに対してETLを実行し、AmazonAuroraを使用してクエリを実行します。
(D). AWS Lambdaを使用してデータを変換し、Amazon Kinesis DataAnalyticsを使用してクエリを実行します。



解答：B




出題：9
MachineLearningスペシャリストは、アプリケーション用のカスタムビデオ推奨モデルを開発しています。このモデルのトレーニングに使用されるデータセットは非常に大きく、数百万のデータポイントがあり、AmazonS3バケットでホストされています。スペシャリストは、移動に数時間かかり、ノートブックインスタンスに接続されている5GBのAmazonEBSボリュームを超えるため、このすべてのデータをAmazon SageMakerノートブックインスタンスにロードしないようにすることを検討しています。スペシャリストがすべてのデータを使用してモデルをトレーニングできるようにするアプローチはどれですか？

(A). データの小さなサブセットをSageMakerノートブックにロードし、ローカルでトレーニングします。トレーニングコードが実行されており、モデルパラメータが妥当であると思われることを確認します。パイプ入力モードを使用して、S3バケットからの完全なデータセットを使用してSageMakerトレーニングジョブを開始します。
(B). AWS Deep LearningAMIを使用してAmazonEC2インスタンスを起動し、S3バケットをインスタンスにアタッチします。少量のデータをトレーニングして、トレーニングコードとハイパーパラメータを確認します。Amazon SageMakerに戻り、完全なデータセットを使用してトレーニングします
(C). AWS Glueを使用して、データの小さなサブセットを使用してモデルをトレーニングし、データがAmazonSageMakerと互換性があることを確認します。パイプ入力モードを使用して、S3バケットからの完全なデータセットを使用してSageMakerトレーニングジョブを開始します。
(D). データの小さなサブセットをSageMakerノートブックにロードし、ローカルでトレーニングします。トレーニングコードが実行されており、モデルパラメータが妥当であると思われることを確認します。AWS Deep LearningAMIを使用してAmazonEC2インスタンスを起動し、S3バケットをアタッチして完全なデータセットをトレーニングします。



解答：A




出題：10
MachineLearningスペシャリストは、小さなデータサンプルを使用して企業の概念実証を完了しました。これで、スペシャリストはAmazonSageMakerを使用してAWSにエンドツーエンドのソリューションを実装する準備が整いました。過去のトレーニングデータはAmazonRDSに保存されます。スペシャリストは、そのデータを使用してモデルをトレーニングするためにどのアプローチを使用する必要がありますか？

(A). ノートブック内のSQLデータベースへの直接接続を書き込み、データをプルします
(B). AWSデータパイプラインを使用してMicrosoftSQLServerからAmazonS3にデータをプッシュし、ノートブック内のS3の場所を提供します。
(C). データをAmazonDynamoDBに移動し、ノートブック内でDynamoDBへの接続をセットアップして、データをプルします。
(D). AWSDMSを使用してデータをAmazonElasti Cacheに移動し、ノートブック内で接続をセットアップして、高速アクセスのためにデータをプルします。



解答：B




出題：11
MachineLearningスペシャリストは、オンラインショッピングWebサイトのクライアントデータを受け取ります。データには、人口統計、過去の訪問、および地域情報が含まれます。スペシャリストは、クライアントのショッピングパターン、好み、傾向を特定してWebサイトを強化し、より良いサービスとスマートな推奨を実現するためのMachineLearningアプローチを開発する必要があります。スペシャリストはどのソリューションを推奨する必要がありますか？

(A). クライアントデータベースのパターンを識別するための離散データの特定のコレクションに対する潜在的ディリクレ割り当て(LDA).
(B). クライアントデータベースのパターンを識別するための、最低3つの層とランダムな初期重みを持つニューラルネットワーク。
(C). クライアントデータベース内のパターンを識別するための、ユーザーの相互作用と相関に基づく協調フィルタリング。
(D). クライアントデータベースのパターンを識別するためのランダムなサブサンプルに対するランダムカットフォレスト(RCF).



解答：C




出題：12
MachineLearningスペシャリストは、大企業と協力して、製品内でMachineLearningを活用しています。同社は、クライアントを今後6か月以内に解約するクライアントと解約しないクライアントに基づいてカテゴリに分類することを検討しています。同社は、スペシャリストが利用できるデータにラベルを付けています。スペシャリストがこのタスクを実行するには、どのMachineLearningモデルタイプを使用する必要がありますか？

(A). 線形回帰
(B). 分類
(C). クラスタリング
(D). 強化学習



解答：B