Amazon Web ServicesLevel 3

難易度は Level 1(やさしめ)〜Level 5(難関) の5段階です。

AWS MLA-C02のサンプル問題(本番形式・解説付き)

AWS MLA-C02(Amazon Web Services・AWS Certified Machine Learning Engineer – Associate)の出題形式を確認できます。ここに掲載する5問は、無料の会員登録で解ける模試 第1回(65問)の冒頭からの抜粋です。問題集は全715問を、本番CBT準拠の形式で収録しています。

設問1

ある保険会社は、Amazon Comprehend の PII の非同期ジョブで、請求の文書の中の個人情報を伏せたい。後の分析で、伏せた箇所にどんな種類の情報があったかを分かるようにしたい。そのため、伏せた箇所には元の文字の代わりに NAME や ADDRESS のような種類の名前を入れる必要がある。RedactionConfig の MaskMode に指定するものはどれか。

  • ONLY_REDACTION
  • MASK
  • ONLY_OFFSETS
  • REPLACE_WITH_PII_ENTITY_TYPE(正解)

解説

RedactionConfig の MaskMode は伏せ方を決めます。REPLACE_WITH_PII_ENTITY_TYPE は PII の種類の名前で置き換え、MASK は MaskCharacter に指定した 1 文字で置き換えます。ONLY_REDACTION と ONLY_OFFSETS は、StartPiiEntitiesDetectionJob の Mode に指定する値です。ONLY_OFFSETS は、ジョブの Mode に指定する値で、PII の位置だけを返します。

他の選択肢が誤りである理由

  • 「ONLY_REDACTION」ONLY_REDACTION は、ジョブの Mode に指定する値です。
  • 「MASK」MASK は、MaskCharacter に指定した記号の 1 文字で、PII の各文字を置き換えます。
  • 「ONLY_OFFSETS」ONLY_OFFSETS は、ジョブの Mode に指定する値で、PII の位置だけを返します。

設問2

ある会社は、社内の手順書を Amazon Bedrock ナレッジベースで検索させる RAG を運用している。手順書は毎週更新され、更新のパイプラインが S3 への配置と同期を自動で行う。更新の後に検索の品質が落ちたことに、利用者から言われる前に気づく必要がある。同期が終わった後のパイプラインの手順として最も適切なものはどれか。

  • 同期の後に利用者へ告知し、答えがおかしいという連絡を待って直す
  • 同期の結果を確かめ、決まった質問で検索の評価を回す(正解)
  • 同期のたびに埋め込みモデルを変え、どのモデルが良いかを本番で試す
  • 同期の結果は確かめずに、次の同期の予定をすぐに登録して処理を終える

解説

更新のパイプラインは、文書を置く、前処理、同期を始めて終わるのを待つ(Step Functions で状態を確かめる)、同期の結果を確かめて失敗を通知、決まった質問のセットで検索の評価を回す、の順です。「同期の後に利用者へ告知し、答えがおかしいという連絡を待って直す」は誤りです。利用者の連絡を待つのでは、品質の低下に先に気づけません。「同期のたびに埋め込みモデルを変え、どのモデルが良いかを本番で試す」は誤りです。埋め込みモデルを変えると全文書の埋め込み直しが要り、本番で試すことにもなります。「同期の結果は確かめずに、次の同期の予定をすぐに登録して処理を終える」は誤りです。結果を確かめないと、失敗した文書に気づけません。(根拠: 学習用テキスト 3.3.11 RAG の更新とナレッジベースの更新サイクルのパイプラインを設定する [3.3])

他の選択肢が誤りである理由

  • 「同期の後に利用者へ告知し、答えがおかしいという連絡を待って直す」利用者の連絡を待つのでは、品質の低下に先に気づけません。
  • 「同期のたびに埋め込みモデルを変え、どのモデルが良いかを本番で試す」埋め込みモデルを変えると全文書の埋め込み直しが要り、本番で試すことにもなります。
  • 「同期の結果は確かめずに、次の同期の予定をすぐに登録して処理を終える」結果を確かめないと、失敗した文書に気づけません。

設問3

ある保険会社は、Amazon Bedrock の FM で契約者の相談に答えるエージェントを運用している。1 件の相談が数十往復に及ぶことが多く、会話が長くなるほど 1 回の依頼の入力トークンが増え、月の費用が予算を超え始めた。相談の途中で前の話を忘れるような応答は避けたい。これらの要件を満たす最も適切な対処はどれか。

  • 会話のたびに新しいセッションを始めて記憶を捨てる
  • 古い履歴を要約するか、記憶に移して短くする(正解)
  • ツールの定義を増やして手順を分けて考えさせる
  • 履歴を省かずに送り続け、モデルを大きくする

解説

消費が膨らむ典型のパターンには、ループ、履歴の膨張、大きなツールの結果、過大なモデルがあります。履歴の膨張には、古い履歴を要約する、記憶に移す、で対処します。「会話のたびに新しいセッションを始めて記憶を捨てる」は誤りです。記憶を捨てると、会話の流れを保てなくなります。「ツールの定義を増やして手順を分けて考えさせる」は誤りです。ツールの定義を増やすと、入力のトークンがさらに増えます。「履歴を省かずに送り続け、モデルを大きくする」は誤りです。履歴を送り続けると入力は増え続け、大きなモデルは単価も上がります。(根拠: 学習用テキスト 4.2.8 エージェントのリソース消費のパターンを監視する [4.2])

他の選択肢が誤りである理由

  • 「会話のたびに新しいセッションを始めて記憶を捨てる」記憶を捨てると、会話の流れを保てなくなります。
  • 「ツールの定義を増やして手順を分けて考えさせる」ツールの定義を増やすと、入力のトークンがさらに増えます。
  • 「履歴を省かずに送り続け、モデルを大きくする」履歴を送り続けると入力は増え続け、大きなモデルは単価も上がります。

設問4

あるメディア企業は、Amazon Bedrock の大きな FM で記事の要約を作っている。要約の品質には編集部も満足しているが、記事の本数が増えて推論のコストが予算を超え、応答も遅い。要約の品質をできるだけ保ったまま、推論を安く速くする必要がある。これらの要件を満たす最も適切なやり方はどれか。

  • 大きいモデルの答え方を小さいモデルに移す蒸留(正解)
  • 大きいモデルのまま、フルファインチューニングを行う
  • 大きいモデルで継続的な事前トレーニングを行う
  • 小さいモデルに切り替え、プロンプトはそのまま使う

解説

コストが制約なら蒸留が候補になります。蒸留は大きいモデルの答え方を小さいモデルに移す方法で、大きいモデルの精度に近いまま安く速くしたい要件に向きます。小さいモデルに切り替えるだけでは精度が落ちます。「大きいモデルのまま、フルファインチューニングを行う」は誤りです。モデルの大きさは変わらないので、推論のコストは下がりません。「大きいモデルで継続的な事前トレーニングを行う」は誤りです。継続的な事前トレーニングは分野の言葉を覚えさせる方法で、推論のコストは下がりません。(根拠: 学習用テキスト 2.1.2 事前トレーニング済み FM のファインチューニング戦略を決める [2.1])

他の選択肢が誤りである理由

  • 「大きいモデルのまま、フルファインチューニングを行う」モデルの大きさは変わらないので、推論のコストは下がりません。
  • 「大きいモデルで継続的な事前トレーニングを行う」継続的な事前トレーニングは分野の言葉を覚えさせる方法で、推論のコストは下がりません。
  • 「小さいモデルに切り替え、プロンプトはそのまま使う」小さいモデルに切り替えるだけでは精度が落ちます。

設問5

ある製薬会社は、社内の研究文書を検索する仕組みを作るため、専門用語に強い埋め込みモデルを必要としている。社内規程により、研究データを Amazon Bedrock に渡すことは認められていない。ML の環境には SageMaker AI を使っており、埋め込みもその中で作りたい。これらの要件を満たす埋め込みの作り方として最も適切なものはどれか。

  • Bedrock のバッチ推論で埋め込みを作り、結果を SageMaker AI に移す
  • SageMaker JumpStart から埋め込みモデルをエンドポイントにデプロイして呼ぶ(正解)
  • SageMaker Ground Truth のラベル付けジョブで埋め込みを作らせる
  • SageMaker Data Wrangler のクイックモデルで埋め込みを出力する

解説

SageMaker AI で埋め込みを作ることもでき、SageMaker JumpStart から埋め込みモデルをエンドポイントにデプロイして自分のデータで呼びます。独自の分野に合わせた埋め込みモデルが要る時や、データを Bedrock に渡したくない事情がある時の選択肢です。Ground Truth はラベル付けのサービスで、埋め込みを作るものではありません。クイックモデルは特徴量の重要度を確かめる機能で、埋め込みを作る手段ではありません。(根拠: 学習用テキスト 1.2.5 埋め込みモデルでテキストと画像を数値にする [1.2])

他の選択肢が誤りである理由

  • 「Bedrock のバッチ推論で埋め込みを作り、結果を SageMaker AI に移す」データを Bedrock に渡せない事情に反します。
  • 「SageMaker Ground Truth のラベル付けジョブで埋め込みを作らせる」Ground Truth はラベル付けのサービスで、埋め込みを作るものではありません。
  • 「SageMaker Data Wrangler のクイックモデルで埋め込みを出力する」クイックモデルは特徴量の重要度を確かめる機能で、埋め込みを作る手段ではありません。

続きは、会員登録なしでそのまま50問解答できます。採点と解説つきで、上と同じ本物の問題です。

登録なしで50問解く