【全100問】2024年11月最新_AWS認定AI プラクティショナー【AIF-C01版】の練習問題 (過去問・類似問題) 85問+100問

更新履歴

• 2024/8/25 第1版 [100問]

• 2024/9/07 第1版 改訂 問題11-15の加筆 (コメントでの指摘ありがとうございます)

• 2024/11/10 第2版[85問] (最新の傾向を反映し、内容を一新 :旧版は巻末にPDFとして添付)

はじめに

まず初めにAWS認定AI プラクティショナーは情報戦です。
過去問が存在しないので、どれだけ質の高い情報を集め、短距離で合格できるかを常に考えましょう。
こちらのエントリの情報があなたにとって役に立つことを心から願っております。
下記、試験概要、形式、勉強法、練習問題です。
私自身、とても遠回りをしたので、ぜひこちらの情報を使って短距離で合格を勝ち取ってください。

試験概要

AWS認定AI プラクティショナー【AIF-C01版】試験は、AWSプラットフォームで提供されるAIおよび機械学習（ML）サービスの基礎知識を評価するものです。以下の4つの主要ドメインに焦点を当てています：

1. AI/MLの基本的な概念: 機械学習やディープラーニングの基本概念に関する理解。

2. AWS AIサービスの活用: Amazon SageMaker、Amazon Rekognition、Amazon Pollyなどの主要なAIサービスの使用方法。

3. セキュリティとコンプライアンス: AIシステムにおけるセキュリティやコンプライアンスの確保。

4. AWS Well-Architected Framework: AWS上でのAIシステムの設計とベストプラクティス。

試験は85問の多肢選択形式で、時間は120分です。

受けるべき人

AWS認定AI プラクティショナー試験は、以下のような方に特に適しています：

• ビジネスリーダー: AI/MLの基本を理解し、ビジネスで活用したい方。

• 技術担当者: AWS AIサービスを業務に統合しようとしている技術者。

• 開発者やデータサイエンティスト: AI/MLの基礎を学び、AWSのAIサービスを使い始めたい方。

試験の準備

AWS認定AI プラクティショナー試験に合格するためには、以下の準備が有効です：

1. AWSトレーニング: AWSが提供するAI/ML関連のトレーニングコースを受講し、基礎をしっかり固める。

2. ホワイトペーパーと公式ドキュメント: AWSのホワイトペーパーを活用し、AIサービスのベストプラクティスを学ぶ。

3. 実務経験: 実際にAWSのAIサービスを使ってプロジェクトを進めることで、実践的なスキルを養う。

4. 模擬試験と練習問題: 模擬試験を利用し、試験形式に慣れておくことが重要です。

この試験は、AI/MLの基本知識を持つことを証明し、キャリアの発展に役立つ第一歩となるでしょう。

一方、過去問や類似問題を解いて覚えていくのが結果的に効率よく資格取得をできる方法と考えますので、こちらに作成した問題を実際に解いて勉強されることを推奨いたします。

本番形式(※著作権の観点から本試験の内容とはもちろん同一ではない)で下記作成しておりますので、試験直前に不安になってしまった方はぜひ実力を下記の問題で試してみてください。

※3問の練習問題を開示しますので、質が高いと感じましたら、ぜひ他の問題も解いてみてください。とにかく再現度にこだわったので、必ず実力がつくことは保証します。かなりボリュームがありますが、やる価値ありです。

※本コンテンツを無断転記されている方は全員通報します。無断転記は著作権法により保護されている著作物に対する侵害行為に該当します。(著作権法第17条及び第21条)このため、許可なく本コンテンツを転載または複製することは、法律で禁止されています。無断転記が発覚した場合、損害賠償請求、差止請求等の法的責任が発生しますのでご注意ください。

試験問題

問題1

ある企業が製品需要を予測するためのAIモデルを使用していますが、モデルのトレーニングと保守のコストが高騰しています。このプロジェクトの財務的な継続可能性を評価するために、最も有効なビジネスメトリクスはどれでしょうか？

a. 精度 (Accuracy)

b. ROC曲線下面積 (AUC)

c. 正確率 (Precision)

d. ユーザーあたりのコスト (Cost per user)

正解

d. ユーザーあたりのコスト (Cost per user)

解説

ユーザーあたりのコスト

ユーザーあたりのコストは、AIモデルのトレーニングや運用にかかるコストをユーザーごと、または予測ごとに割り出す指標で、プロジェクトの財務的な継続性を判断するために最適なビジネスメトリクスです。もし、運用コストが予測によって得られる利益や価値を上回る場合、コスト削減やモデルの最適化、もしくはプロジェクトの継続について再検討することが必要です。

他の回答の解説

• a. 精度 (Accuracy)

モデルの予測がどれだけ正確であるかを測定するメトリクスですが、プロジェクトの財務的な継続可能性の評価には直接役立ちません。

• b. ROC曲線下面積 (AUC)

AUCはモデルのクラス判別性能を評価する指標であり、財務的な視点でのプロジェクト評価には不適です。

• c. 正確率 (Precision)

正確率は、モデルが正確にポジティブな予測を行った割合を示すもので、こちらも財務的な継続性の評価には役立ちません。

参考

AIプロジェクトの費用対効果評価について - AWSドキュメント

問題2

ある企業が、ユーザーにパーソナライズされたコンテンツの推薦を行うためのレコメンデーションエンジンを構築しようとしています。この目的を効率的に達成するために最適なAWSサービスはどれでしょうか？

a. Amazon Polly

b. AWS Glue

c. Amazon Translate

d. Amazon Personalize

正解

d. Amazon Personalize

解説

Amazon Personalize

Amazon Personalizeは、リアルタイムでパーソナライズされたレコメンデーションを提供する機械学習サービスです。ユーザーの行動データや製品情報に基づいて最適な推薦モデルを自動的に構築・トレーニングし、デプロイすることができます。Amazon Personalizeは、映画や商品の推薦、記事のパーソナライズなど、ユーザーの嗜好に応じたコンテンツを提供するために設計されています。また、機械学習の専門知識がなくても利用できる点が利点です。

他の回答の解説

• a. Amazon Polly

Amazon Pollyはテキスト読み上げサービスであり、レコメンデーションエンジンの構築には適していません。

• b. AWS Glue

AWS Glueはデータ統合およびETL処理のサービスで、レコメンデーションの生成には不向きです。

• c. Amazon Translate

Amazon Translateはテキスト翻訳サービスであり、コンテンツの推薦には関係がありません。

参考

Amazon Personalize - パーソナライズされた推薦システムの構築 - AWS

問題3

自動車製造工場向けのAIシステムを開発しており、システムがカメラ映像を使用して組立ライン上の部品を認識できる必要があります。このタスクに最も適したAIの分野はどれでしょうか？

a. 強化学習

b. 時系列分析

c. 自然言語処理

d. コンピュータビジョン

正解

d. コンピュータビジョン

解説

コンピュータビジョン

コンピュータビジョンは、画像やビデオなどの視覚データを解釈し、理解するためのAI分野です。組立ライン上の部品をカメラで認識するタスクでは、物体検出や画像分類の技術が必要であり、これらはコンピュータビジョンの領域に含まれます。コンボリューションニューラルネットワーク（CNN）などのアルゴリズムを使用して、車の部品を特定し分類することが可能です。

他の回答の解説

• a. 強化学習

強化学習は、環境との相互作用を通じてエージェントが学習する手法であり、視覚データの認識には直接関係しません。

• b. 時系列分析

時系列分析は、時間の経過に伴うデータのパターンを分析する手法で、画像認識には適していません。

• c. 自然言語処理

自然言語処理は、テキストや音声の解析に使用される技術であり、視覚データの認識には不向きです。

参考

コンピュータビジョンの概要 - AWS

問題4

チームが大規模なデータセットを使用して機械学習モデルをトレーニングしたいと考えていますが、トレーニングのための基盤インフラストラクチャを管理するのは避けたいと考えています。この目的に最も適したAWSサービスはどれですか？

a. Amazon Translate

b. Amazon SageMaker

c. Amazon Polly

d. Amazon Comprehend