MLA-C02：AWS Certified Machine Learning Engineer - Associate ML・AI ソリューションの運用・監視・セキュリティ
全18問。各問に解説と選択肢ごとの解説がついています。
- 問1本番にデプロイしたモデルについて、入力データの分布が学習時から変化（データドリフト）して精度が劣化していないかを継続的…
- 問2新しいモデルを本番に全面切り替えする前に、少量の実トラフィックで既存モデルと性能を比較評価したいと考えています。最も適…
- 問3大規模な深層学習モデルの推論について、スループットあたりのコストを抑えつつ高い性能を得たいと考えています。インスタンス…
- 問4基盤モデルを使った生成 AI アプリで、推論コストが想定より膨らんでいます。コストの主因を把握して最適化したいと考えて…
- 問5学習ジョブや推論エンドポイントが S3 のデータや他のリソースへアクセスする際の権限設計として、最も適切なのはどれです…
- 問6生成 AI アプリで、有害・不適切な出力や、個人情報（PII）などの機密データの漏えいを防ぐためのガードレールを適用し…
- 問7本番の分類モデルについて、予測に対する正解ラベルが後から判明する運用で、実際の予測品質（精度など）が時間とともに劣化し…
- 問8推論エンドポイントの運用状態（呼び出し回数・レイテンシ・エラー率・インスタンス使用率）を監視し、しきい値超過で通知を受…
- 問9推論エンドポイントについて、どのインスタンスタイプや構成が、性能（レイテンシ/スループット）とコストのバランスで最適か…
- 問10Amazon Bedrock の基盤モデルを使う本番アプリで、安定して高いスループットが継続的に必要であり、コストを予…
- 問11学習ジョブや推論エンドポイントが S3 のデータや他の AWS リソースへアクセスする際の権限設計として、最も適切なも…
- 問12学習データや推論のトラフィックを、インターネットを経由させず、VPC 内に閉じて保護したい。最も適した構成はどれか。
- 問13本番の推論エンドポイントについて、後からモデル品質やドリフトを分析できるよう、実際の入力データと推論結果をキャプチャし…
- 問14本番の生成 AI アプリで、回答の品質（正確さ・有害性・一貫性）が時間とともに低下していないかを継続的に確認したいと考…
- 問15高精度だが大きなモデルの推論コストとレイテンシが課題です。大きな教師モデルの振る舞いを、より小さなモデルに学習させて、…
- 問16学習済みの深層学習モデルを、推論時のメモリ使用量とレイテンシを抑えて効率よく動かしたいと考えています。モデルの重みの数…
- 問17学習データや学習済みモデルの成果物を Amazon S3 や EBS ボリュームに保管する際、保管時（at rest）…
- 問18ML アプリが外部データベースや外部サービスへ接続するために使う認証情報（パスワードや API キー）を、コードや設定…