最新的Amazon AWS Certified Machine Learning Engineer - Associate (MLA-C01 Korean Version) - MLA-C01 Korean免費考試真題
問題1
한 회사가 Amazon EC2 인스턴스에서 일괄 데이터 처리 작업을 실행해야 합니다. 이 작업은 주말에 실행되며 완료까지 90분이 소요됩니다. 처리는 중단을 견딜 수 있습니다. 회사는 향후 6개월 동안 매주 주말에 이 작업을 실행할 예정입니다.
어떤 EC2 인스턴스 구매 옵션이 이러한 요구 사항을 가장 비용 효율적으로 충족할 수 있을까요?
어떤 EC2 인스턴스 구매 옵션이 이러한 요구 사항을 가장 비용 효율적으로 충족할 수 있을까요?
正確答案: A
說明：（僅 VCESoft 成員可見）
問題2
ML 엔지니어는 AWS 서비스를 사용하여 문서에서 의미 있는 고유 키워드를 식별하고 추출해야 합니다.
어떤 솔루션이 운영 비용을 최소화하면서 이러한 요구 사항을 충족할 수 있을까요?
어떤 솔루션이 운영 비용을 최소화하면서 이러한 요구 사항을 충족할 수 있을까요?
正確答案: C
說明：（僅 VCESoft 成員可見）
問題3
한 회사가 고객 유지 예측 머신러닝 모델을 개선하고자 합니다. 현재 모델의 정확도는 85%이며, 새로운 모델은 테스트에서 87%의 정확도를 보였습니다. 회사는 실제 운영 환경에서 새로운 모델의 성능을 검증하고자 합니다.
어떤 솔루션이 이러한 요구 사항을 충족할까요?
어떤 솔루션이 이러한 요구 사항을 충족할까요?
正確答案: B
說明：（僅 VCESoft 成員可見）
問題4
머신러닝 엔지니어가 Amazon SageMaker AI를 추론 도구로 사용하는 생성형 AI 모델 기반 고객 지원 에이전트를 배포하고 있습니다. 이 고객 지원 에이전트는 배송 정책, 환불 절차, 계정 관리 등과 같은 주제에 대한 고객 질문에 답변해야 합니다. 생성형 AI 모델은 한 번에 하나의 토큰을 생성합니다.
고객들은 상담원이 질문에 대한 장황한 답변을 제공하는 데 시간이 너무 오래 걸린다고 불만을 표출합니다. 머신러닝 엔지니어는 추론 최적화 기법을 적용하여 상담원의 응답 속도를 향상시켜야 합니다.
어떤 솔루션이 이 요구 사항을 충족할까요?
고객들은 상담원이 질문에 대한 장황한 답변을 제공하는 데 시간이 너무 오래 걸린다고 불만을 표출합니다. 머신러닝 엔지니어는 추론 최적화 기법을 적용하여 상담원의 응답 속도를 향상시켜야 합니다.
어떤 솔루션이 이 요구 사항을 충족할까요?
正確答案: D
說明：（僅 VCESoft 成員可見）
問題5
한 회사의 머신러닝 엔지니어가 감정 분석용 머신러닝 모델을 아마존 세이지메이커 AI 엔드포인트에 배포했습니다. 이 엔지니어는 회사 이해관계자들에게 모델이 어떻게 예측을 하는지 설명해야 합니다.
어떤 해결책이 모델의 예측을 설명해 줄 수 있을까요?
어떤 해결책이 모델의 예측을 설명해 줄 수 있을까요?
正確答案: A
說明：（僅 VCESoft 成員可見）
問題6
한 회사가 주택 가격을 예측하는 기능을 출시했습니다. 머신러닝 엔지니어는 SageMaker AI의 XGBoost 알고리즘을 사용하여 회귀 모델을 학습시켰습니다. 이 모델은 학습 데이터에서는 좋은 성능을 보였지만, 실제 검증 데이터에서는 기대 이하의 성능을 보였습니다.
어떤 솔루션이 가장 적은 구현 노력으로 검증 점수를 향상시킬 수 있을까요?
어떤 솔루션이 가장 적은 구현 노력으로 검증 점수를 향상시킬 수 있을까요?
正確答案: A
說明：（僅 VCESoft 成員可見）
問題7
한 회사가 Amazon SageMaker AI를 사용하여 머신러닝 모델을 개발하고 있습니다. 이 회사는 모델의 편향성을 모니터링하고 그 결과를 대시보드에 표시해야 합니다. 머신러닝 엔지니어가 편향성 모니터링 작업을 생성합니다.
머신러닝 엔지니어는 대시보드에 표시할 편향 지표를 어떻게 수집해야 할까요?
머신러닝 엔지니어는 대시보드에 표시할 편향 지표를 어떻게 수집해야 할까요?
正確答案: D
說明：（僅 VCESoft 成員可見）
問題8
한 회사가 새로 생성된 VPC의 퍼블릭 서브넷에서 Amazon SageMaker 도메인을 운영하고 있습니다. 네트워크가 올바르게 구성되어 있어 ML 엔지니어가 SageMaker 도메인에 액세스할 수 있습니다.
최근 해당 회사는 특정 IP 주소에서 해당 도메인으로 유입되는 의심스러운 트래픽을 발견했습니다. 회사는 해당 IP 주소에서 유입되는 트래픽을 차단해야 합니다.
이 요구 사항을 충족하려면 네트워크 구성을 어떻게 업데이트해야 합니까?
최근 해당 회사는 특정 IP 주소에서 해당 도메인으로 유입되는 의심스러운 트래픽을 발견했습니다. 회사는 해당 IP 주소에서 유입되는 트래픽을 차단해야 합니다.
이 요구 사항을 충족하려면 네트워크 구성을 어떻게 업데이트해야 합니까?
正確答案: A
說明：（僅 VCESoft 成員可見）
問題9
한 회사가 Amazon SageMaker와 수백만 개의 파일을 사용하여 머신러닝 모델을 학습시키고 있습니다. 각 파일의 크기는 수 메가바이트이며, Amazon S3 버킷에 저장됩니다. 이 회사는 학습 성능을 개선해야 합니다.
어떤 솔루션이 가장 짧은 시간 안에 이러한 요구 사항을 충족시킬 수 있을까요?
어떤 솔루션이 가장 짧은 시간 안에 이러한 요구 사항을 충족시킬 수 있을까요?
正確答案: C
說明：（僅 VCESoft 成員可見）
問題10
머신러닝 엔지니어가 비슷한 크기의 주택 가격을 예측하는 머신러닝 모델을 개발하고 있습니다. 이 모델은 여러 특징을 기반으로 예측을 수행할 것입니다. 머신러닝 엔지니어는 주택 가격을 예측하기 위해 다음과 같은 특징 엔지니어링 기법을 사용할 것입니다.
* 기능 분할
* 로그 변환
* 원핫 인코딩
* 표준화된 배포
다음 특징 목록에 맞는 특징 엔지니어링 기법을 선택하세요. 각 특징 엔지니어링 기법은 한 번만 선택하거나 전혀 선택하지 않아야 합니다. (세 가지를 선택하세요.)
* 기능 분할
* 로그 변환
* 원핫 인코딩
* 표준화된 배포
다음 특징 목록에 맞는 특징 엔지니어링 기법을 선택하세요. 각 특징 엔지니어링 기법은 한 번만 선택하거나 전혀 선택하지 않아야 합니다. (세 가지를 선택하세요.)
正確答案:
Explanation:
City (name): One-hot encoding
Type_year (type of home and year the home was built): Feature splitting Size of the building (square feet or square meters): Standardized distribution City (name): One-hot encoding Why? The " City " is a categorical feature (non-numeric), so one-hot encoding is used to transform it into a numeric format. This encoding creates binary columns for each unique category (e.g., cities like " New York " or " Los Angeles " ), which the model can interpret.
Type_year (type of home and year the home was built): Feature splitting Why? " Type_year " combines two pieces of information into one column, which could confuse the model.
Feature splitting separates this column into two distinct features: " Type of home " and " Year built, " enabling the model to process each feature independently.
Size of the building (square feet or square meters): Standardized distribution Why? Size is a continuous numerical variable, and standardization (scaling the feature to have a mean of 0 and a standard deviation of 1) ensures that the model treats it fairly compared to other features, avoiding bias from differences in feature scale.
By applying these feature engineering techniques, the ML engineer can ensure that the input data is correctly formatted and optimized for the model to make accurate predictions.
問題11
한 회사가 고객 만족도를 예측하는 머신러닝 모델을 개발하고 있습니다. 이 회사는 설문 조사 결과와 과거 고객 만족도 데이터를 활용하여 미래 고객 만족도를 예측해야 합니다.
데이터 세트에는 긴 텍스트 응답이 포함된 '피드백'이라는 열이 있습니다. 또한 과거 고객 만족도를 나타내는 세 가지 값(높음, 중간, 낮음)이 있는 '만족도 수준'이라는 열도 있습니다. 회사는 각 열의 데이터를 변환하기 위해 인코딩 방법을 적용해야 합니다.
어떤 솔루션이 이러한 요구 사항을 충족할까요?
데이터 세트에는 긴 텍스트 응답이 포함된 '피드백'이라는 열이 있습니다. 또한 과거 고객 만족도를 나타내는 세 가지 값(높음, 중간, 낮음)이 있는 '만족도 수준'이라는 열도 있습니다. 회사는 각 열의 데이터를 변환하기 위해 인코딩 방법을 적용해야 합니다.
어떤 솔루션이 이러한 요구 사항을 충족할까요?
正確答案: C
