AWS Certified Machine Learning - Specialty (MLS-C01 Korean Version)

Question 1

회사는 기계 학습(ML)을 기반으로 수요 예측 모델을 구축하고 있습니다. 개발 단계에서 ML 전문가는 Amazon SageMaker 노트북을 사용하여 적은 양의 CPU 및 메모리 리소스를 소모하는 작업 시간 동안 기능 엔지니어링을 수행합니다. 데이터 엔지니어는 동일한 노트북을 사용하여 매우 높은 메모리가 필요하고 단 2시간 만에 완료되는 데이터 사전 처리를 평균 하루에 한 번 수행합니다. 데이터 전처리가 GPU를 사용하도록 구성되지 않았습니다. 모든 프로세스는 ml.m5.4xlarge 노트북 인스턴스에서 잘 실행되고 있습니다.
회사는 이번 달에 대한 청구가 할당된 예산을 초과한다는 AWS 예산 알림을 수신합니다.
어떤 솔루션이 가장 비용을 절감할 수 있습니까?

A. 노트북 인스턴스 유형을 더 작은 범용 인스턴스로 변경합니다. 노트북을 사용하지 않을 때는 중지하십시오. Amazon SageMaker Processing을 사용하여 ml.m5.4xlarge 인스턴스와 메모리 크기가 동일한 ml.r5 인스턴스에서 데이터 사전 처리를 실행합니다.

B. 노트북 인스턴스 유형을 더 작은 범용 인스턴스로 변경합니다. 노트북을 사용하지 않을 때는 중지하십시오. 예약 인스턴스 옵션을 사용하여 ml.m5.4xlarge 인스턴스와 메모리 크기가 동일한 R5 인스턴스에서 데이터 전처리를 실행합니다.

C. 노트북 인스턴스 유형과 크기를 동일하게 유지합니다. 노트북을 사용하지 않을 때는 중지하십시오. Amazon SageMaker Processing을 사용하여 ml.m5.4xlarge 인스턴스와 메모리가 동일한 P3 인스턴스 유형에서 데이터 사전 처리를 실행합니다.

D. 노트북 인스턴스 유형을 ml.m5.4xlarge 인스턴스와 동일한 vCPU 번호를 가진 메모리 최적화 인스턴스로 변경합니다. 노트북을 사용하지 않을 때는 중지하십시오. 해당 인스턴스에서 데이터 사전 처리 및 기능 엔지니어링 개발을 모두 실행합니다.

Correct Answer: A

Explanation: Only visible for Actualtests4sure members. You can sign-up / login (it's free).

Question 2

한 회사는 매장 선반에 진열된 품목 상단의 카메라 이미지를 사용하여 제거된 품목과 아직 남아 있는 품목을 확인합니다. 몇 시간의 데이터 라벨링 후에 회사는 총
10가지 개별 항목을 다루는 1,000개의 손으로 라벨을 붙인 이미지. 훈련 결과는 좋지 않았습니다.
회사의 장기적인 요구 사항을 충족하는 기계 학습 접근 방식은 무엇입니까?

A. 고유 항목 수를 10개에서 2개로 줄이고, 모델을 구축하고 반복합니다.

B. 이미지를 회색조로 변환하고 모델을 다시 학습시킵니다.

C. 각 항목에 서로 다른 색상의 라벨을 부착하고, 다시 이미지를 촬영하여 모델을 구축합니다.

D. 반전 및 번역과 같은 이미지 변형을 사용하여 각 항목에 대한 훈련 데이터를 보강하고 모델을 구축하고 반복합니다.

Correct Answer: D

Explanation: Only visible for Actualtests4sure members. You can sign-up / login (it's free).

Question 3

보험 회사가 자동차 보험 청구를 자동화하는 애플리케이션을 만들고 있습니다. 머신 러닝(ML) 전문가가 Amazon SageMaker Object Detection - TensorFlow 내장 알고리즘을 사용하여 자동차 이미지에서 긁힘과 움푹 들어간 부분을 감지하는 모델을 학습시켰습니다. 모델을 학습한 후, ML 전문가는 모델이 테스트 데이터 세트보다 학습 데이터 세트에서 더 나은 성능을 보였다는 것을 알아챘습니다.
ML 전문가는 테스트 데이터에서 모델의 성능을 개선하기 위해 어떤 접근 방식을 사용해야 할까요?

A. L2 하이퍼파라미터의 값을 늘립니다.

B. 학습률 하이퍼파라미터 값을 줄입니다.

C. dropout_rate 하이퍼파라미터의 값을 줄입니다.

D. 모멘텀 하이퍼파라미터의 값을 늘립니다.

Correct Answer: A

Explanation: Only visible for Actualtests4sure members. You can sign-up / login (it's free).

Question 4

한 회사에서 기존 고객에게 신제품을 홍보하기 위해 마케팅 캠페인을 계획하고 있습니다. 회사는 데이터(또는 유사한 과거 프로모션)를 가지고 있습니다. 회사는 더 적은 수의 고객에게 더 비싼 마케팅 패키지를 보내기 위해 실험을 시도하기로 결정합니다. 회사는 해당 제품을 구매할 가능성이 가장 높은 고객을 대상으로 마케팅 캠페인을 타겟팅하려고 합니다. 실험에서는 신제품을 구매할 가능성이 있는 고객 중 최소 90%가 마케팅 자료를 받아야 합니다.
...회사는 Amazon SageMaker의 선형 학습기 알고리즘을 사용하여 모델을 교육합니다. 모델의 재현율은 80%, 정밀도는 75%입니다.
...회사는 이러한 요구 사항을 충족하기 위해 모델을 재교육해야 합니까?

A. targetprecision 하이퍼파라미터를 90%로 설정합니다. 이진 분류기 모델 선택 기준 하이퍼파라미터를 정밀도 at_jarget 호출로 설정합니다.

B. 과거 데이터의 90%를 훈련에 사용합니다. 에포크 수를 20으로 설정합니다.

C. target_recall 하이퍼파라미터를 90%로 설정합니다. Binaryclassrfier model_selection_critena 하이퍼파라미터를 Remember_at_target_precision으로 설정합니다.

D. Normalize_jabel 하이퍼파라미터를 true로 설정합니다. 클래스 수를 2로 설정합니다.

Correct Answer: C

Explanation: Only visible for Actualtests4sure members. You can sign-up / login (it's free).

Question 5

머신 러닝 전문가는 스트리밍 데이터를 수집하고 탐색 및 분석을 위해 Apache Parquet 파일에 저장할 수 있어야 합니다. 다음 중이 데이터를 올바른 형식으로 수집하고 저장하는 서비스는 무엇입니까?

A. Amazon Kinesis 데이터 스트림

B. Amazon Kinesis Data Analytics

C. AWSDMS

D. Amazon Kinesis Data Firehose

Correct Answer: D

Explanation: Only visible for Actualtests4sure members. You can sign-up / login (it's free).

Question 6

머신러닝(ML) 엔지니어가 이진 분류 모델을 만들고 있습니다. ML 엔지니어는 매우 민감한 환경에서 이 모델을 사용할 것입니다.
양성 라벨을 놓쳐도 비용은 발생하지 않습니다. 그러나 거짓 양성 추론을 할 경우 비용이 매우 높습니다.
이 시나리오에서 모델을 최적화하는 데 가장 중요한 지표는 무엇입니까?

A. F1

B. 리콜

C. 정확도

D. 정밀도

Correct Answer: D

Explanation: Only visible for Actualtests4sure members. You can sign-up / login (it's free).

Question 7

전자 상거래 회사는 웹 애플리케이션을 위한 새로운 클라우드 기반 제품 추천 기능을 출시하려고 합니다. 데이터 현지화 규정으로 인해 민감한 데이터는 온프레미스 데이터 센터를 벗어나서는 안 되며 제품 추천 모델은 민감하지 않은 데이터만 사용하여 교육 및 테스트해야 합니다. 클라우드로의 데이터 전송은 IPsec을 사용해야 합니다. 웹 애플리케이션은 모든 데이터를 포함하는 PostgreSQL 데이터베이스를 사용하여 온프레미스에서 호스팅됩니다. 회사는 모델 재교육을 위해 데이터를 Amazon S3에 매일 안전하게 업로드하기를 원합니다.
기계 학습 전문가는 이러한 요구 사항을 어떻게 충족해야 합니까?

A. 테이블 매핑과 함께 AWS Database Migration Service(AWS DMS)를 사용하여 SSL 연결을 통해 민감한 데이터가 없는 PostgreSQL 테이블을 선택합니다. 데이터를 Amazon S3에 직접 복제합니다.

B. PostgreSQL DB 인스턴스에 연결할 AWS Glue 작업을 생성합니다. AWS Site-to-Site VPN 연결을 통해 Amazon S3로 모든 데이터를 수집하는 동시에 PySpark 작업을 사용하여 민감한 데이터를 제거합니다.

C. PostgreSQL 논리적 복제를 사용하여 VPN 연결이 있는 AWS Direct Connect를 통해 Amazon EC2의 PostgreSQL에 모든 데이터를 복제합니다. AWS Glue를 사용하여 Amazon EC2에서 Amazon S3로 데이터를 이동합니다.

D. PostgreSQL DB 인스턴스에 연결할 AWS Glue 작업을 생성합니다. AWS Site-to-Site VPN 연결을 통해 Amazon S3에 직접 민감한 데이터 없이 테이블을 수집합니다.

Correct Answer: A

Explanation: Only visible for Actualtests4sure members. You can sign-up / login (it's free).

Question 8

기계 학습 전문가는 기계 학습 파이프라인을 통해 처리되는 모든 고객 방문에 대해 분석을 실행하려는 온라인 소매업체에서 일하고 있습니다. Amazon Kinesis Data Streams는 초당 최대 100개의 트랜잭션으로 데이터를 수집해야 하며 JSON 데이터 Blob의 크기는 100KB입니다.
전문가가 이 데이터를 성공적으로 수집하기 위해 사용해야 하는 Kinesis Data Streams의 최소 샤드 수는 얼마입니까?

A. 100 샤드

B. 파편 10개

C. 1 샤드

D. 1,000 샤드

Correct Answer: C

Explanation: Only visible for Actualtests4sure members. You can sign-up / login (it's free).

Question 9

기계 학습(ML) 전문가는 금융 서비스 회사에 대한 분류 모델을 개발해야 합니다. 도메인 전문가는 10,000개의 행과 1,020개의 기능이 있는 표 형식의 데이터 세트를 제공합니다. 탐색적 데이터 분석 중에 전문가는 누락된 값이 없고 적은 비율의 중복 행을 찾습니다. 200개의 기능 쌍에 대해 > 0.9의 상관 점수가 있습니다. 각 기능의 평균 값은 50번째 백분위수와 유사합니다.
ML 전문가는 Amazon SageMaker와 함께 어떤 기능 엔지니어링 전략을 사용해야 합니까?

A. PCA(주성분 분석) 알고리즘을 사용하여 차원 축소를 적용합니다.

B. RCF(Random Cut Forest) 알고리즘을 사용하여 이상 감지를 적용합니다.

C. Jupyter 노트북을 사용하여 상관 점수가 높은 기능을 연결합니다.

D. Jupyter 노트북을 사용하여 상관 관계 점수가 낮은 기능을 삭제합니다.

Correct Answer: A

Explanation: Only visible for Actualtests4sure members. You can sign-up / login (it's free).

Amazon AWS Certified Machine Learning - Specialty (MLS-C01 Korean Version) - MLS-C01 Korean Exam Practice Test

Latest Update

Useful Links

Contact Us