【単元別_100問】AWS認定AI プラクティショナー[AIF-C01版]の過去問・類似問題_Fundamentals of Generative AI
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。
そのため、満遍なく対策するのではなく、割合が最も大きいカテゴリから優先的に学習を進めるための教材を作成しました。
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、Fundamentals of Generative AIのカテゴリで最頻出の問題に絞って問題集、解説を作成しておりますので、下記の方はぜひご活用頂ければと思います。
■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、Fundamentals of Generative AIのカテゴリが苦手と特定できている方
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、Fundamentals of Generative AIのカテゴリの内容はほぼ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。
練習問題 100問
問題1
法務部門が、数百ページに及ぶ契約書や判例の分析作業を迅速化するためにAIを導入しました。このAIが得意とするタスクとして最も適切なのは次のどれでしょうか？
a. 契約書のフォーマット自動修正
b. 要約の生成
c. 文書内のキーワード抽出
d. 顧客データの自動分類
正解: b. 要約の生成
解説
要約生成は、長大な文書から重要な情報を抽出し、短い要点として提示するAIタスクです。法務部門における契約書や判例の要約は、作業効率を向上させるだけでなく、リスク要因の迅速な特定にも貢献します。
他の回答の解説
a. 契約書のフォーマット自動修正: フォーマット修正は文書の整形には有効ですが、情報抽出や要約の代替にはなりません。
c. 文書内のキーワード抽出: キーワード抽出は文書分析の一部ですが、全体的な要約とは異なるタスクです。
d. 顧客データの自動分類: データ分類は別のユースケースであり、契約書や判例の要約には直接関与しません。
参考: AWSでの要約生成の事例
問題2
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
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3
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
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4
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
正解: a. 柔軟性（適応性）
解説
生成AIの柔軟性は、患者ごとのデータに基づいて出力内容を動的にカスタマイズする能力にあります。この特性により、異なる患者の状況やニーズに応じたレポート作成が可能となり、医療の個別化が進みます。
他の回答の解説
b. 手作業の削減: 手作業の削減は生成AIの利点の一つですが、このシナリオでは柔軟性が主な強みです。
c. データの固定性: 固定性は生成AIの特徴ではなく、柔軟性が重要です。
d. 実装の簡単さ: 実装の簡単さは利点の一部かもしれませんが、医療データのカスタマイズには直接関係しません。
参考: AWS生成AIの柔軟性
問題5
オンライン教育プラットフォームが、受講者ごとにパーソナライズされたコース推薦を行うAIモデルを構築しています。このモデルのパフォーマンスが教育効果を最大化し、受講完了率の向上に貢献していることを確認するため、最適なアプローチはどれでしょうか？
a. モデルのトレーニングデータセットを無制限に増やす
b. 推奨精度よりも処理速度を優先する
c. モデルの出力をヒューマンレビューで評価する
d. 受講完了率を主要評価指標として追跡し、モデルの有効性を検証する
ここから先は
¥ 1,200
この記事が気に入ったらチップで応援してみませんか？