【本番模試 Vol.2】AWS認定AI プラクティショナー[AIF-C01版]の過去問・類似問題
はじめに
本記事は、最も効率的にAWS認定AI プラクティショナー[AIF-C01版]を合格したい人に向けた記事です。
AWS AIプラクティショナーは、AWSのAIサービスや機械学習の基本的な知識を問う試験で、5つの主要カテゴリに分類されています。
合計85問のうち、合格点は概ね7割(60問正解)ですので、各カテゴリのうち比重の大きな出題範囲を確実に固めるのが合格への最短距離です。
カテゴリ別の出題傾向
AWS AIプラクティショナー試験の設問割合を見ると、以下のカテゴリが他と比較して大きなウェイトを占めていることが一目瞭然です。
・Applications of Foundation Models
・Fundamentals of AI and ML
本Noteでは、質の高い本番模試を掲載しておりますので、苦手なカテゴリを特定いただき、カテゴリ別対策を別noteで行うことを推奨しております。
※もちろん本noteの内容を完璧にしていただくことで合格可能ですので、追加対策を行いたい方のみ別途ご確認ください。
本Noteが対象とする方は以下の通りです。
■対象者
・初学者で効率的に学習を進めたい方
・既に学習を進行しており、実践模試で学習の度合いを確認したい方
各カテゴリの内容(参考)
こちらは各カテゴリの概要です。
Fundamentals of AI and ML
AIと機械学習の基礎的な概念を理解することを目的とします。
機械学習モデルの仕組みやトレーニングの基本、AIの歴史などが含まれます。
Fundamentals of Generative AI
生成AIの理論と応用について学びます。
GANや拡散モデルなど、画像やテキスト生成技術の基本を理解することが目標です。
Applications of Foundation Models
近年注目されている大規模言語モデル（LLM）や、Amazon Bedrockを活用した実世界での応用例に焦点を当てます。
特に企業でのカスタマイズや、特定ユースケースにおける活用方法が試験で問われることがあります。
Guidelines for Responsible AI
AI利用時の倫理的側面や、責任あるAI設計・運用に関するベストプラクティスについて理解することを目的とします。
Security, Compliance, and Governance for AI Solutions
AIソリューションを設計する際に必要なセキュリティおよびコンプライアンスについての知識を問います。
下記の練習問題をマスターすれば、試験の出題範囲は網羅できるはずです。
初めの5問を無料開示いたしますので、クオリティに応じて購入判断を頂ければと思います。
模擬試験Vol.1 85問 (120分)
問題1
国際的なニュース配信企業が、複数言語に対応するAI翻訳システムを開発中です。インフラ管理の負担を最小限に抑えながら、大規模な基盤モデルを活用したいと考えています。このニーズに最も適したAWSサービスはどれでしょうか？
a. Amazon Translateを直接使用してカスタマイズ翻訳を実現する
b. Amazon Bedrockで基盤モデルを活用し、迅速なアプリ開発を行う
c. AWS Lambdaを利用してリアルタイムで翻訳ロジックを実行する
d. EC2インスタンス上でカスタム翻訳エンジンを構築する
カテゴリー : Fundamentals of Generative AI
正解: b. Amazon Bedrockで基盤モデルを活用し、迅速なアプリ開発を行う
解説
Amazon Bedrockは、大規模な基盤モデルへのアクセスを可能にし、インフラ管理を不要とするサービスです。翻訳や他の生成AIタスクを迅速に実装でき、開発者はアプリケーションの構築に集中できます。このシステムにより、企業の多言語対応能力を効率的に向上させることが可能です。
他の回答の解説
a. Amazon Translateを直接使用してカスタマイズ翻訳を実現する: Amazon Translateは一般的な翻訳タスクには有効ですが、柔軟性やカスタマイズ性でBedrockに劣ります。
c. AWS Lambdaを利用してリアルタイムで翻訳ロジックを実行する: Lambdaはコード実行には適していますが、翻訳自体のタスクには直接関与しません。
d. EC2インスタンス上でカスタム翻訳エンジンを構築する: EC2での構築は高コストであり、管理負担が増大します。
問題2
金融業界でのクレジットスコアリングに生成AIモデルを活用しています。このような本番環境における生成AIモデルの主な欠点は次のうちどれでしょうか？
a. 高い説明可能性と解釈性
b. 非決定論的な応答と幻覚のリスク
c. スケーラブルであること
d. 容易な導入プロセス
カテゴリー : Fundamentals of Generative AI
正解: b. 非決定論的な応答と幻覚のリスク
解説
生成AIモデルは非決定論的な特性を持ち、同じ入力に対しても異なる出力を生成する可能性があります。この「非決定論的」な性質は、金融業界のように正確性が重要な分野では問題となります。また、幻覚（不正確な情報生成）のリスクがあり、追加の検証プロセスや監視が必要です。これらのリスクを軽減するには、モデルのチューニングやフィードバックループの導入が求められます。
他の回答の解説
a. 高い説明可能性と解釈性: 生成AIモデルは一般に説明可能性が低い傾向があり、この点がむしろ課題です。
c. スケーラブルであること: スケーラビリティは生成AIモデルの利点であり、欠点ではありません。
d. 容易な導入プロセス: 生成AIモデルの導入は比較的簡単ですが、問題はその後の管理やリスクです。
参考: 生成AIの特性と課題
問題3
宇宙開発スタートアップが、火星探査ミッションのために高度な機械学習アルゴリズムを活用しています。このアルゴリズムにニューラルネットワークを採用する場合、これを最もよく説明しているのはどれでしょうか？
a. モデルのトレーニング中に最適なパラメータを自動的に調整する手法
b. 入力データを分類するための一連の規則の集合
c. 人間の脳の構造に基づいた相互接続されたノードで構成される計算モデル
d. 試行錯誤を通じて学習する強化学習のプロセス
カテゴリー : Fundamentals of AI and ML
正解: c. 人間の脳の構造に基づいた相互接続されたノードで構成される計算モデル
解説:
ニューラルネットワークは、機械学習において人間の脳を模倣したモデルです。複数の層（入力層、隠れ層、出力層）とノード（ニューロン）が構成され、これらがデータから学習して複雑な問題を解決します。このモデルは特に非線形データの処理やパターン認識に優れています。
他の回答の解説:
a. モデルのトレーニング中に最適なパラメータを自動的に調整する手法: これはハイパーパラメータ調整の特徴であり、ニューラルネットワークの定義ではありません。
b. 入力データを分類するための一連の規則の集合: これはルールベースのシステムであり、ニューラルネットワークの説明ではありません。
d. 試行錯誤を通じて学習する強化学習のプロセス: これは強化学習の特徴で、ニューラルネットワークの特徴ではありません。
問題4
物流企業が、AIを活用して注文管理、在庫分析、配送計画など複数の業務タスクを効率化しようとしています。これらの業務をAIで適切に改善するために必要なプロセスはどれですか？
a. 業務効率化
b. モデルのタスク適合性評価
c. タスクエンジニアリング
d. データ統合
カテゴリー : Applications of Foundation Models
正解
c. タスクエンジニアリング
解説
タスクエンジニアリングは、AIモデルが業務タスクを効率的に処理できるように、業務要件に合わせてモデルの設計・最適化を行うプロセスです。この物流企業では、注文管理や配送計画といった異なる業務をAIモデルに割り当て、それぞれの効率を改善することが目的です。タスクエンジニアリングにより、AIが各業務のニーズに応じた最適なパフォーマンスを発揮できるようになります。
他の選択肢の解説
a. 業務効率化
結果として目指すべきゴールですが、具体的なプロセスではありません。
b. モデルのタスク適合性評価
タスクエンジニアリングの一部に該当しますが、範囲が限定的です。
d. データ統合
AIモデルの基盤を準備するステップであり、全体の改善には不十分です。
参考 : AIの業務効率化とタスクエンジニアリング
問題5
病院が患者ごとに個別の診断レポートを作成するAIシステムを構築しました。このシステムは、患者の医療データをもとに情報を動的にカスタマイズして出力します。このシステムが提供する生成AIの利点はどれでしょうか？
a. 柔軟性（適応性）
b. 手作業の削減
c. データの固定性
d. 実装の簡単さ
カテゴリー : Fundamentals of Generative AI
ここから先は
¥ 1,980
この記事が気に入ったらチップで応援してみませんか？