AWS AIF-C01 試験対策

全問題リスト

本番形式に近い選択問題を、1問ずつ一覧から確認できます。間違えた問題の絞り込みができ、復習したい問題をすばやく探すことができます。

G1データ準備・学習・評価・デプロイといった一連の機械学習ワークフローのステップを、自動化された再現可能なパイプラインとして構築・実行したいと考えています。最も適した SageMaker の機能はどれですか。
G1ある病院が、放射線科医が過去に診断したラベル付きのレントゲン画像を使い、新しい胸部レントゲン画像から「病変あり / 病変なし」のどちらかを判定するモデルを作ろうとしています。病変の大きさを数値で推定する案もありましたが、今回はあり / なしの判定だけが要件です。このタスクの種別はどれですか。
G1ある ML チームが、学習を重ねるほど学習データの精度は上がる一方で、検証データの精度は途中から悪化していくモデルに対処しています。このオーバーフィッティングを抑えるための対処として、最も適切なものはどれですか。
G1ある ML チームが、構築した需要予測モデルを検証したところ、学習データに対しては非常に高い精度を出すのに、新しい未知のデータでは精度が大きく下がってしまいました。この状態を何と呼びますか。
G1ある ML チームが、データ収集を終え、モデル学習に入る前の「データ準備」フェーズの作業計画を立てています。ライフサイクルの各フェーズと作業の対応を確認しながら、このフェーズで行う作業として適切なものを 2 つ選んでください。
G2ある法務チームが、長い契約書をまるごと 1 回の入力としてモデルに読み込ませて要約させたいと考えています。モデルが「一度にどれだけのトークンを入力・出力できるか」を表す性質を何と呼びますか。
G2ある企業の経営会議で、生成 AI プロジェクトの継続可否を判断する材料を揃えています。プロジェクトに投じたコストに対してどれだけの利益・価値が得られたかを示す財務的な指標を何と呼びますか。
G2ある開発者が、top-k との違いを意識しながら、出力の多様性を細かく制御する推論パラメータを比較しています。出力候補を「累積確率が一定値に達するまでの上位の語」に絞ることで多様性を制御する設定を何と呼びますか。
G2ある開発チームが、Amazon Bedrock のオンデマンド利用のコストを見積もっています。料金表には入力と出力の量に応じた単価が記載されており、モデルが一度に受け付けられる入力量の上限（コンテキストウィンドウ）も同じ単位で表されています。この単位に当たる用語はどれですか。
G2ある企業が、基盤モデルの運用体制を設計しています。ライフサイクルの各段階と担当チームを対応づけるにあたり、モデルを本番で使い始めた後（デプロイ以降）に関わる段階を 2 つ選んでください。
G3ある画像生成アプリの開発者が、出力の調整方法を整理しています。画像やテキストの生成で、出力に含めてほしくない要素（例: 特定の単語やスタイル）を明示的に指定して抑制するプロンプトの指定を何と呼びますか。
G3ある AI チームが、言い換えの多い生成文を表面一致の指標だけで評価することに限界を感じています。生成テキストの品質を、単語の表面的な一致だけでなく、埋め込みを使った意味的な近さで評価する指標はどれですか。
G3ある AI チームの設計レビューで、RAG とファインチューニングのどちらを使うべきかが議論になっています。判断基準を共有するにあたり、両者の使い分けについて最も適切に説明しているものはどれですか。
G3ある企業が、ファインチューニングを実施したものの期待した効果が出ず、データ準備から見直すことにしました。ファインチューニングの効果を高めるためのデータ準備として最も適切なものはどれですか。
G3ある企業が、チャットボットの安全要件を Bedrock ガードレールでどこまで満たせるか確認しています。Amazon Bedrock のガードレールで設定できる保護（フィルタ）として適切なものを 2 つ選んでください。
G4ある企業が、Bedrock を使うチャットボットの一般公開前に、有害な表現や望ましくないトピックを含む出力を自動的に抑止する仕組みを追加したいと考えています。最も適した機能はどれですか。
G4ある医療系企業が、AI システムの導入方針を策定しています。なかでも、AI が扱う患者の個人データを保護し、不正アクセスや漏えいを防ぐことを重視しています。この考え方に最も当てはまる責任ある AI の特徴はどれですか。
G4ある企業が、本番運用中の AI システムで、有害な出力や重大な誤りなどの問題が発生したときに、迅速かつ適切に対応できるよう備えようとしています。事前に準備しておくべきものとして最も適切なものはどれですか。
G4ある企業が、与信モデルの公平性レビューの手順を定めています。モデルの公平性を確認するために、年齢層・性別・地域などの集団ごとに分けて精度や誤り率に差がないかを調べる分析を何と呼びますか。
G4ある企業が AI ガバナンス方針を策定するにあたり、AWS が示す責任ある AI のコアディメンションと、一般的なシステムの性能要件を区別して整理しています。次のうち、責任ある AI の特徴に当てはまるものを 2 つ選んでください。
G5ある企業が、Bedrock を使う AI アプリの各コンポーネントに、業務に必要な操作だけを許可し、それ以外は与えないようにアクセス権を設計したいと考えています。この考え方を表す原則はどれですか。
G5ある企業の設計レビューで、監査要件と保存場所の要件が混同されていました。「データのロギング（記録）を有効にすること」と「データの物理的な保存場所（リージョン）」の関係として、最も適切なものはどれですか。
G5ある企業が Amazon Bedrock で生成 AI アプリを運用しており、セキュリティ監査に向けて AWS との作業分担を整理しています。AWS の責任共有モデルにおいて、AWS 側が担う領域として最も適切なものはどれですか。
G5Amazon Bedrock の利用状況（モデルの呼び出し回数や入力・出力トークン数など）のメトリクスを収集し、ダッシュボードやアラームで監視したいと考えています。最も適した AWS サービスはどれですか。
G5ある企業が、AI 向けデータ基盤の運用体制を整備しています。モデル開発やインフラ運用の作業と区別しながら、データガバナンスを健全に保つために日常的に行う活動として適切なものを 2 つ選んでください。
G6ある ML チームが、分類モデルの評価レポートに載せる指標を整理しています。分類モデルの評価で使う、「全体の予測のうち正しく分類できた割合」を表す、最も基本的な指標を何と呼びますか。
G6ある ML チームが、分類モデルの誤りの内訳を分析しています。予測結果を、実際のクラスと予測したクラスの組み合わせ（真陽性・偽陽性・真陰性・偽陰性）の表として整理し、誤りの傾向を把握するために使うものを何と呼びますか。
G6ある ML 組織で、チームごとに同じ特徴量を別々に作り直す無駄が発生しています。複数のチームやモデルで使う特徴量（特徴データ）を一元的に保存し、共有・再利用できるようにする SageMaker の機能はどれですか。
G6ある企業のアプリケーションが、リクエストごとに項目構成が変わるイベントログを出力しています。ログはタグやキーで階層を表すものの、列ごとの厳密な固定スキーマは持たない JSON 形式です。このデータの種別はどれですか。
G6ある ML チームが、過学習を起こしたモデルの改善策をレビューしています。学習の進め方やデータの扱いを見直すにあたり、オーバーフィッティングを軽減する対策として有効なものを 2 つ選んでください。
G7ある AI チームが、モデル選定の各基準をどの場面で重視すべきかを一覧表に整理しています。このうち「タスク適合性（ユースケースに対する精度）」を重視するのが最も適切なのはどの場面ですか。
G7Amazon Bedrock が複数ベンダー（Anthropic・Amazon・Meta など）の基盤モデルを単一 API で提供していることの利点として、最も適切なものはどれですか。
G7ある企業の企画会議で、生成 AI 導入のメリットを整理しています。生成 AI のメリットを説明する際に「適応性（adaptability）」が指す内容として、最も適切なものはどれですか。
G7ある企業が、生成 AI の導入ハードルを検討しています。生成 AI（特にマネージドサービスの基盤モデル）を使い始めるのが比較的容易だとされる理由として、最も適切なものはどれですか。
G7ある AI チームが、基盤モデルの選定チェックリストを作っています。問題文の指定により性能やコストはすでに評価済みです。性能やコスト以外で考慮すべき要素として適切なものを 2 つ選んでください。
G8ある AI プラクティショナーが、次のトークンの候補を「確率が高い上位いくつかだけ」に限定してから選ばせ、極端に外れた語が出るのを抑えたいと考えています。この制御を行う推論パラメータはどれですか。
G8ある企業が、RAG チャットボットのハルシネーション対策を強化しています。RAG で生成した応答が、与えた参照文書（ソース）の内容に実際に基づいているか（根拠から外れていないか）を検証する Bedrock ガードレールの仕組みはどれですか。
G8ある開発者が、プロンプトの構成要素ごとの役割を整理しています。プロンプトの中で「Human:」「Assistant:」のように、どこからがモデルの応答かという出力の開始位置・形式を示す構成要素を何と呼びますか。
G8ある企業が、Amazon Bedrock で、社内文書を取り込んでその内容を根拠に回答する RAG アプリを、できるだけ手間をかけずに構築したいと考えています。最も適した Bedrock の機能はどれですか。
G8ある AI チームが、要約と翻訳それぞれの品質を自動評価する指標を選んでいます。テキスト生成タスクの自動評価指標と、その代表的な対象タスクの対応として正しいものを 2 つ選んでください。
G9ある企業が、与信モデルの公平性レビューの結果を、経営層や監査人へ定量的に報告する形式を決めています。モデルの予測結果が、集団間で公平かどうかを数値で測るために使う指標を総称して何と呼びますか。
G9ある企業が、与信モデルの選定で精度の高い複雑なモデルと説明しやすい単純なモデルを比較しています。モデルの「性能（精度）」と「解釈可能性（説明のしやすさ）」の一般的な関係として、最も適切なものはどれですか。
G9ある企業のレビューで、過去の偏った採用実績データで学習したモデルが、同じ偏りを再現していることが分かりました。学習データに含まれる偏りが、そのままモデルの予測の偏りとして現れてしまう問題を何と呼びますか。
G9ある企業のリスクレビューで、生成 AI が事実に反する情報（ハルシネーション）を出力したまま提供した場合の影響を評価しています。エンドユーザーに生じうるリスクとして最も適切なものはどれですか。
G9ある金融機関が、監査で予測根拠の説明を求められる業務に使うモデルを選定しています。精度よりも説明のしやすさを優先する方針です。一般に解釈可能性（説明のしやすさ）が高いとされるモデルを 2 つ選んでください。
G10ある企業が、個人を特定できる情報を含むデータを、分析や ML の学習に使いつつもプライバシーを保護したいと考えています。匿名化やマスキングなどの加工でこれを実現する取り組みを表すものはどれですか。
G10ある医療系企業が、規制により患者データを特定の国の中に保存し続けることを求められています。AWS 上でこの「データの保存場所」に関する要件に対応する方法として、最も適切なものはどれですか。
G10ある企業が、AI 活用を全社で推進するための進め方を探しています。AI を活用する組織が、ビジネス・人材・ガバナンス・運用などの観点から変革を体系的に進めるための、AWS が提供するフレームワークはどれですか。
G10生成 AI の利用形態を、自社の関与度（既製サービスの利用から自前モデルの構築まで）に応じて段階（スコープ）で整理し、それぞれのセキュリティリスクを検討するための AWS の枠組みはどれですか。
G10ある企業が、AI ガバナンス方針の策定にあたり、参考にできる外部の枠組みを調査しています。次のうち、AI やデータのガバナンスに関連して参照される枠組み・規制として適切なものを 2 つ選んでください。
G11ある企業が、学習済みモデルを、サーバーの構築や運用をできるだけ自分で抱えずに、低レイテンシのリアルタイム推論として本番提供したいと考えています。この要件を満たすデプロイ方法として最も適切なものはどれですか。
G11ある小売企業が、過去 5 年分の月次売上データを蓄積しています。これは時刻の順序に沿って並んだデータで、季節ごとの周期や傾向を含んでおり、この並びを使って将来の値を予測したいと考えています。このようなデータの種別として最も適切なものはどれですか。
G11ある ML チームが、判定しきい値をまだ決めていない段階でモデル同士を比較したいと考えています。二値分類で、しきい値に依存せずに識別性能を 1 つの値で表す、ROC 曲線の下の面積を表す指標を何と呼びますか。
G11ある AI プラクティショナーが、モデルの学習自体は完了したものの精度が目標に届かないため、学習率やバッチサイズなどの設定値を調整して、モデルの性能を高めようとしています。この工程はどれですか。
G11ある研修で、画像系の AWS AI サービスの取り違えがよく起きることが話題になりました。「画像の解析」と「文書の文字起こし（OCR）」という用途の違いに対応する AWS サービスの組み合わせとして正しいものを 2 つ選んでください。
G12ある企業が FAQ 検索の改善を計画しています。利用者の質問と FAQ の言い回しが違っても、意味が近ければ検索でヒットするようにするため、各テキストを、意味の近さを数値的に計算できる表現へ変換して保存する方針です。この表現を表す用語はどれですか。
G12あるデザイン会社が、広告制作の素材づくりを効率化するため、テキストの説明文を入力すると、それに合った画像を新しく生成する生成 AI を導入したいと考えています。この用途に適したモデルの種別はどれですか。
G12ある企業が、長い社内マニュアルを Amazon Bedrock のナレッジベースに取り込み、質問に関連する箇所だけを検索して回答に使う構成を構築しています。取り込みの前段として、文書を埋め込みへの変換と検索に適した、意味のまとまりへ分割する必要があります。この分割処理を表す用語はどれですか。
G12ある開発チームが、複数社の高性能な基盤モデルを、インフラを管理せずに単一の API から呼び出して生成 AI アプリを構築したいと考えています。用途に応じてモデルを切り替えられる柔軟性も必要です。最も適した AWS サービスはどれですか。
G12ある企業が、自社サービスのどの場面で生成 AI（基盤モデル）を活用できるかを、従来の手法で十分な場面と区別しながら検討しています。次のうち、生成 AI（基盤モデル）を活用できるユースケースに当てはまるものを 2 つ選んでください。
G13ある企業が、一般公開するチャットボットの安全対策を Bedrock の機能で実装しようとしています。有害なコンテンツや許可しないトピック・機密情報を、入出力でフィルタして遮断する機能はどれですか。
G13ある研修で、生成 AI の挙動を調整する方法を学んでいます。推論パラメータ（温度・Top-P・最大トークン数など）が生成 AI の応答に対して果たす役割の説明として、最も適切なものはどれですか。
G13ある開発者が、出力の形式が安定しないタスクへの対策を検討しています。基盤モデルに対して、プロンプトの中に入出力の例をいくつか示してから本番のタスクを実行させ、出力の精度や形式を安定させる手法を何と呼びますか。
G13あるカスタマーサポートのチャット画面に生成 AI を組み込みます。利用者を待たせないよう、入力するとすぐに応答が返り始めることが重要です。モデル選定で最も重視すべき基準はどれですか。
G13ある企業が、基盤モデルを自社用にファインチューニングする準備を進めています。学習に使用するデータについて守るべきデータガバナンスの観点として適切なものを 2 つ選んでください。効率よりも原則を優先します。
G14あるメディア企業が、生成 AI で実在の人物の声や肖像を使ったコンテンツを制作する企画を検討しています。公開前に責任ある AI の観点でレビューするとき、特に注意すべき懸念はどれですか。
G14ある企業が、責任ある AI のレビュー体制を整えるため、バイアス検出に使えるサービスを棚卸ししています。次のうち、学習データやモデルの予測に潜むバイアス（偏り）を検出・評価する目的では使えないサービスはどれですか。
G14ある企業が、採用支援モデルの公開前レビューとして、学習データやモデルの予測に、特定の人口統計グループへの偏り（バイアス）がないかを検出したいと考えています。デプロイ後のドリフト監視の仕組みは別途整備済みです。最も適した AWS サービスはどれですか。
G14あるローン審査の AI について、担当者が「なぜこの申込みが却下と判定されたのか」を個別に理解できるようにしたいと考えています。この要求に最も当てはまる責任ある AI の特徴はどれですか。
G14ある企業が、本番運用中の ML モデルについて、デプロイ後のモデルの性能劣化の監視と、ガバナンス監査に向けたモデルの用途・リスクの文書化に取り組みたいと考えています。これらに役立つ AWS の機能を 2 つ選んでください。
G15ある企業が、生成 AI のガバナンス体制を強化しています。いつ・誰が・どのモデルをどう呼び出したかという生成 AI の利用履歴を記録して、後から監査できるようにする、近年重視される概念を何と呼びますか。
G15ある企業が、データの取り扱いポリシーを整備しています。データを機密度（公開・社内・機密など）に応じて区分し、ラベルを付けて扱いのルールを変えるデータガバナンスの取り組みを何と呼びますか。
G15ある企業が、生成 AI アプリで、ユーザー入力に紛れ込ませた指示でモデルの本来の動作を乗っ取ろうとする「プロンプトインジェクション」への対策を講じたいと考えています。対策として最も適切なものはどれですか。
G15ある企業が、Bedrock を使う AI アプリに対して、どのユーザーやアプリケーションがアクセスできるかをきめ細かく制御したいと考えています。最も適切な AWS の機能はどれですか。
G15ある企業が、策定した AI ガバナンスが時間とともに形骸化しないか懸念しています。AI ガバナンスを一度きりでなく継続的に機能させるための運用要素として適切なものを 2 つ選んでください。
G16ある ML チームが、モデル開発の品質管理ルールを定めています。機械学習で、データを学習用（train）・検証用（validation）・テスト用（test）に分割する主な目的として、最も適切なものはどれですか。
G16ある決済サービス企業が、オンライン取引や新規登録における不正（なりすまし・不正注文など）をリアルタイムに検知する仕組みを、ML の専門家なしで導入したいと考えています。最も適したマネージドな AWS サービスはどれですか。
G16あるビジネスアナリストが、エンジニアの手を借りずに需要予測を内製したいと考えています。コードを書かずに、GUI の操作だけで機械学習の予測モデルを構築・実行できる（時系列予測も含む）AWS サービスはどれですか。
G16ある金融機関が、サポート窓口に届く問い合わせメールの自動振り分けを計画しています。過去 3 年分のメールには、担当者が付与した「スパム / 非スパム」の判定結果がすべて残っており、このデータを使って新着メールを自動判定するモデルを構築します。この要件に最も適した学習手法はどれですか。
G16ある AI プラクティショナーが、ユースケースに適した推論方式（リアルタイム / 非同期 / バッチなど）を選ぼうとしています。方式を選ぶ判断材料として適切なものを 2 つ選んでください。
G17ある担当者が、社内 FAQ ボットの回答品質を改善したいと考えています。モデルの再学習や外部データベースの追加はせず、与える指示や例文の書き方を工夫することで出力の質を高める方針です。この手法を表す概念はどれですか。
G17ある開発チームが、自然言語で書いたコメント（やりたいこと）から、対応するソースコードを生成 AI に書かせたいと考えています。この用途に当たる生成 AI のユースケースはどれですか。
G17ある企業が、汎用の応答しかできない事前学習済みの基盤モデルを、自社の特定タスク向けに、ラベル付きデータで追加学習して適応させようとしています。この作業が該当するライフサイクルの段階はどれですか。
G17ある企業が、エンジニア以外の社員にも生成 AI を体験させる研修を企画しています。コードを書かずに、ブラウザ上で生成 AI アプリを手軽に試作・共有できる、学習や実験向けの「遊び場（プレイグラウンド）」的な AWS のサービスはどれですか。
G17ある企業が、生成 AI の導入提案書に「できること」だけでなく「できないこと」も正確に記載しようとしています。次のうち、生成 AI の本質的な限界として適切なものを 2 つ選んでください。
G18ある企業が、あるタスクで学習したモデルの知識を、関連する別のタスクに活かして、少ないデータで効率よく新しいモデルを作りたいと考えています。データ収集のコストを抑えることが狙いです。この考え方を表す手法はどれですか。
G18ある開発者が、構築したばかりの生成 AI アプリの出力品質を改善したいと考えています。モデルの重みを変えず、与える指示や例の書き方を工夫するだけで出力を改善する、最も手軽に試せるカスタマイズ手法を使いたい状況です。最も適した手法はどれですか。
G18あるセキュリティチームが、AI システムへの攻撃を発生する段階ごとに分類しています。攻撃者が学習データに悪意あるデータを混入させ、モデルの挙動を意図的に歪めたり性能を低下させたりする攻撃を何と呼びますか。
G18ある開発者が、分類タスクを基盤モデルに任せるにあたり、例示の準備コストをかけずに済むか試そうとしています。例を一切示さず、やってほしいタスクの説明だけを与えて実行させるプロンプト手法を何と呼びますか。
G18AI プラクティショナーが、社内向け FAQ チャットボット（日本語のみ・テキストのみ・モデルの追加調整は不要）に使う基盤モデルを Amazon Bedrock で比較しています。応答が返り始めるまでの速さが体験を左右し、大量の質問を継続処理するため請求の抑制も必要です。この要件に直接対応する選択基準を 2 つ選んでください。
G19ある企業が、医療診断や与信審査など、影響の大きい判断に生成 AI を使う場面の運用ルールを定めています。効率と責任のバランスを議論した結果として、責任ある AI の観点から最も適切な運用はどれですか。
G19ある企業の法務レビューで、生成 AI が既存の著作物に酷似したコンテンツを生成してしまった場合に、企業が直面しうる法的リスクを整理しています。このケースに該当する法的リスクとして最も適切なものはどれですか。
G19あるチームが利用する AI モデルについて、どんなデータで学習され、想定用途や既知の制約は何かといった情報が文書として開示されていることを重視しています。この性質に最も当てはまる責任ある AI の特徴はどれですか。
G19ある企業が、本番にデプロイした機械学習モデルについて、入力データの分布が学習時から徐々にずれていく「ドリフト」を検出し、品質劣化を早期に把握したいと考えています。最も適した AWS の機能はどれですか。
G19ある企業が、生成 AI の社内利用ポリシーを策定するため、リスクを性質ごとに分類しています。次のうち、生成 AI の利用に伴う法的・倫理的リスクとして適切なものを 2 つ選んでください。
G20ある企業が、欧州向けの AI サービスを計画しており、適用される規制を調べています。EU 域内の個人データの取り扱いについて、本人の同意や権利・越境移転などを厳格に定めた規則はどれですか。
G20ある企業が、AI ワークロードを含む AWS リソースの設定が、社内ルールや規制で定めた基準に準拠しているかを継続的に記録・自動評価したいと考えています。最も適した AWS サービスはどれですか。
G20ある企業が、AI アプリで S3 に保管するデータを暗号化し、その暗号化に使う鍵を一元的に作成・管理・ローテーションしたいと考えています。最も適した AWS サービスはどれですか。
G20ある企業が、生成 AI の回答の信頼性を利用者が確かめられるようにしたいと考えています。回答の内容がどの資料に基づくのかを示すために、参照元（引用）やデータの出典を明示する取り組みを何と呼びますか。
G20ある企業が Amazon Bedrock で生成 AI アプリを運用しており、セキュリティ計画の策定にあたり AWS との作業分担を確認しています。責任共有モデルにおいて、この企業（お客様）の責任に当たるものを 2 つ選んでください。
G21ある ML プロジェクトで、クレンジング済みの生のデータを加工して、予測に役立つ新しい入力変数（例: 日付から「曜日」や「月初フラグ」を作る）を設計する作業を進めています。この作業が該当する工程はどれですか。
G21ある企業が、よくある問い合わせに自動応答する窓口を作りたいと考えています。音声やテキストによる会話型インターフェース（チャットボットや音声ボット）を構築するためのマネージドな AWS サービスはどれですか。
G21ある ML チームが、モデルの最終報告に使う評価値の信頼性を確保しようとしています。学習やハイパーパラメータ調整には一切使わず、最後に取り置いて、モデルの最終的な汎化性能を評価するために使うデータセットはどれですか。
G21ある企業の勉強会で、機械学習と従来のプログラミングの違いが話題になりました。人がすべての処理を書き下す従来の手続き的なプログラムと対比したとき、機械学習（ML）を最もよく表す説明はどれですか。
G21ある ML チームが、教師データの整備とモデル構築の工数を減らしたいと考えています。学習データにラベルを付けたり、コードを書かずにデータからモデルを自動構築したりする作業を支援する SageMaker の機能を 2 つ選んでください。
G22ある企業が、1 つの基盤モデルを複数の事業部で共用できないか検討しています。特定の分野に限らず、医療・法律・一般会話など複数の分野で幅広く機能する基盤モデルの特性を何と呼びますか。
G22ある企業が、業務のどこに生成 AI を使い、どこに使わないかの基準を決めています。次の場面のうち、生成 AI の利用が向かない（慎重になるべき）場面として、最も適切なものはどれですか。
G22ある企業が、ファインチューニングしたカスタムモデルを Bedrock で使い続けるかどうかを費用対効果で判断しようとしています。カスタムモデル利用のコスト上のトレードオフとして、最も適切なものはどれですか。
G22ある企業が、基盤モデルのライフサイクルに沿って品質確認の計画を立てています。本番にデプロイする前に、テストデータやベンチマークでモデルの性能・品質を測って良し悪しを確かめる段階はどれですか。
G22ある企業が、汎用の基盤モデルを自社の業務に合わせて使うための方法を比較検討しています。インフラの最適化と区別しながら、学習済みの基盤モデルを自社の特定の用途に適応させる代表的な方法を 2 つ選んでください。
G23ある企業のリスク評価で、生成 AI 特有のリスクを分類しています。ユーザーがプロンプトに入力した社外秘の情報や、モデルが学習した機密データが、出力やログを通じて意図せず外部に漏れてしまうリスクを何と呼びますか。
G23ある調査チームが、数十ページに及ぶ複数の研究論文をまとめて 1 回のリクエストで要約させたいと考えています。文書を分割せず、長い入力を一度に渡せるかどうかを左右する、モデルの最も重要な要素はどれですか。
G23ある企業が、モデルの応答が指示への従い方にばらつきがある点を改善したいと考えています。「指示（プロンプト）と望ましい応答」のペアを集めたデータでモデルを学習させ、指示に従う能力を高める手法はどれですか。
G23ある AI チームが、RAG 導入の理由を経営層に説明しています。基盤モデル (FM) は、追加の仕組みなしでは、社内の最新文書や公開後に起きた出来事について正確に答えられないことがあります。その根本的な理由として最も適切なものはどれですか。
G23ある ML チームが、不良品判定（分類）モデルの評価指標を、回帰用の指標と区別して選んでいます。分類タスクのモデルの性能を測るのに使われる評価指標として適切なものを 2 つ選んでください。
G24ある企業が、AI ガバナンス体制の構築を進めています。AI システムの判断について、誰が責任を負い、なぜその結果になったかを説明できる体制を整えることを、責任ある AI の観点で何と呼びますか。
G24ある AI チームが、チャットモデルの応答を改善する手法を比較しています。人間が出力の良し悪しを評価したフィードバックを使い、モデルの応答を人間の好みや価値観に沿うよう調整する手法を何と呼びますか。
G24ある企業が、AI システムの挙動を人が監督し、望ましくない動作が起きたときに人が介入して停止できるようにすることを重視しています。この考え方に最も当てはまる責任ある AI の特徴はどれですか。
G24ある企業が、一般消費者向けの生成 AI チャットボットを公開するにあたり、危険な助言や有害な内容を出力しないようにすることを最優先で重視しています。この考え方に最も当てはまる責任ある AI の特徴はどれですか。
G24ある企業が、人間中心で説明可能な AI を実現するための設計原則を策定しています。各部門から方針案が提出されました。次の方針案のうち、設計原則として適切なものを 2 つ選んでください。
G25ある企業が Amazon Bedrock で生成 AI アプリを構築しています。AWS の責任共有モデルにおいて、この企業（お客様）が単独で責任を負う領域として最も適切なものはどれですか。
G25ある企業が、モデルの学習や推論に使う S3 バケットの中に、個人情報などの機密データが含まれていないかを自動的に検出し、保護の対象を把握したいと考えています。最も適した AWS サービスはどれですか。
G25ある企業が、AI の学習データの監査可能性を高めようとしています。データについて「どこから来て、どのような変換を経て今の形になったか」という出所と変換履歴を記録・追跡できるようにする概念を何と呼びますか。
G25ある企業のセキュリティ研修で、AI システムのデータ暗号化について整理しています。「保管時の暗号化 (at rest)」と「転送時の暗号化 (in transit)」の違いの説明として、最も適切なものはどれですか。
G25ある企業が、Bedrock を使う AI システムのセキュリティを強化しています。要件は、S3 に保存した学習データに含まれる個人情報などの機密データを検出すること、および AI リソースへのアクセスを最小権限で制御することです。この要件に対応する AWS サービスを 2 つ選んでください。
G26ある研修の冒頭で、AI 関連用語の整理をしています。AI（人工知能）・ML（機械学習）・深層学習（ディープラーニング）の包含関係として正しいものはどれですか。広い概念から狭い概念の順に考えてください。
G26ある ML チームが、構築した分類モデルを検証したところ、学習データに対してもテストデータに対しても精度が低いままでした。モデルがデータのパターンを十分に捉えられていないようです。この状態を何と呼びますか。
G26ある電力会社が、気温・曜日・過去の使用実績を特徴量として翌日の電力使用量を予測し、発電計画の立案に使うモデルを構築します。使用量を「多い / 少ない」のような区分で判定するのではなく、計画にそのまま使える具体的な数量を出力する必要があります。このタスクの種別として最も適切なものはどれですか。
G26ある企業が、1 件あたり数百 MB の大きな入力（高解像度の動画など）を推論させたいと考えています。処理に数分かかってもよく、即座の同期応答は必要ありません。リクエストはキューに入れて順次処理する想定です。最も適した推論方式はどれですか。
G26ある研修で、データ種別ごとに適した保存先と分析手法を整理するため、社内で扱うデータを構造化・半構造化・非構造化に分類しています。次のうち、非構造化データに当てはまるものを 2 つ選んでください。
G27ある企業が、NLP 基盤の刷新を検討しています。翻訳・要約・質問応答といった多様な自然言語処理（NLP）タスクで、生成 AI（基盤モデル）が従来の個別モデルより有利になりやすい特徴として、最も適切なものはどれですか。
G27ある企業が、Amazon Bedrock の利用コストの見積もりを作っています。Bedrock のオンデマンド利用では、料金が主に何に基づいて課金されますか。最も適切なものはどれですか。
G27ある研修で、予測や分類を行う従来の機械学習と生成 AI の違いを整理しています。従来の機械学習と比べたとき、生成 AI を特徴づける最も本質的な違いはどれですか。出力の性質に注目して選んでください。
G27ある企業が基盤モデル (FM) の開発コストを試算しています。FM のライフサイクルで、ラベルのない大量のデータを使ってモデルに言語や世界の汎用的な知識を獲得させる、最も計算コストの大きい段階はどれですか。
G27ある企業が、Amazon Bedrock で利用するモデルの選定を始めます。Bedrock では複数社の基盤モデルを選んで使えますが、どの提供元でも使えるわけではありません。Bedrock から利用できる基盤モデルの提供元（プロバイダ）の例として適切なものを 2 つ選んでください。
G28ある企業が、生成 AI チャットボットの公開前に安全性の最終確認を行います。専門家が攻撃者の視点で、わざと有害な出力や脆弱性を引き出そうと試みて、デプロイ前にリスクを洗い出す評価手法を何と呼びますか。
G28ある AI チームが、エージェント型アプリの品質改善に取り組んでいます。近年の生成 AI 開発で重視されるようになった、モデルに渡す文脈情報（指示・参考データ・履歴・ツールの結果など）の全体を、何をどの順で与えるか設計する取り組みを何と呼びますか。
G28ある AI チームが、Bedrock の各機能をどの課題に充てるかを整理しています。RAG（ナレッジベース）・エージェント・ガードレール・モデル評価の使い分けとして、正しい対応はどれですか。
G28ある AI チームが、社内の複数のモデル候補を公平な条件で比べる方法を探しています。複数のモデルや手法を、共通の標準データセットと指標で同じ条件のもとに比較・評価する取り組みを何と呼びますか。
G28ある AI プラクティショナーが、ユースケースに合わせて生成 AI の出力のランダム性（多様さ）を調整したいと考えています。推論パラメータのうち、出力のランダム性に直接影響するものを 2 つ選んでください。
G29ある企業が、生成 AI の悪用リスクを分類しています。生成 AI が、実在しない出来事の偽の画像や動画・音声をリアルに作り出し、偽情報の拡散やなりすましに悪用されるリスクを特に何と呼びますか。
G29ある企業が、AI の予測のうち信頼度が低いものや重要な判断を、人間がレビューして検証・修正できる仕組みをワークフローとして取り入れたいと考えています。この人間によるレビューの組み込みに最も適した AWS サービスはどれですか。
G29ある企業が、生成 AI の導入方針に責任ある AI の観点を組み込もうとしています。大規模なモデルの利用は多くの電力・計算資源を消費するため、モデルを選ぶ際に環境への影響を考えるという観点を何と呼びますか。
G29ある企業が、与信モデルを開発する AI チームの体制を設計しています。開発の効率だけでなく、特定の視点に偏ったバイアスを見落とさないために有効な、チーム編成上の工夫として最も適切なものはどれですか。
G29ある企業が、公平で信頼できるモデルを作るためのデータセットの調達方針を定めています。AI の学習に使うデータセットが備えていることが望ましい特性として、適切なものを 2 つ選んでください。
G30ある企業が、AI ワークロードを動かす EC2 インスタンスやコンテナイメージに、既知の脆弱性（CVE）や設定不備がないかを自動的にスキャンしたいと考えています。最も適した AWS サービスはどれですか。
G30ある企業が、AI チャットを使ったカスタマーサポートの公開準備を進めています。透明性の観点から、AI を使ったサービスで利用者に対して行うべき配慮として、最も適切なものはどれですか。
G30ある金融企業が、VPC 内のアプリから Amazon Bedrock を呼び出す通信を、インターネットを経由させずにプライベートな経路で行いたいと考えています。最も適した方法はどれですか。
G30ある企業が、AI ワークロードを含むシステムの認証取得を計画しています。情報セキュリティマネジメントシステム（ISMS）の要求事項を定めた、国際的に広く使われている規格はどれですか。
G30ある企業が、AI 活用に対する社外からの信頼を高める施策を検討しています。次のうち、AI の透明性・説明責任を組織として高めるために有効な取り組みとして適切なものを 2 つ選んでください。
G31ある ML チームが、データセットの分割方針を整理しています。学習中に、ハイパーパラメータの調整やモデルの選択（どの設定が良いか比較）に使うために取り分けておくデータセットはどれですか。
G31ある企業が、利用が月数回に集中するキャンペーン機能の推論基盤を設計しています。トラフィックが断続的で予測しにくいワークロードに対し、アイドル時の待機コストをかけずコスト効率よく推論を提供したいと考えています。最も適した推論方式はどれですか。
G31ある国際会議の運営チームが、外国語の講演を日本語のリアルタイム字幕として表示したいと考えています。音声をテキストにし、さらに別言語へ翻訳するために組み合わせるべき AWS サービスはどれですか。
G31ある EC 企業が、ユーザーの操作に応じて、一貫して低い遅延でその場ですぐに予測結果を返すレコメンドのライブ機能を作りたいと考えています。トラフィックは日中を通じて安定して発生する想定です。最も適した推論方式はどれですか。
G31ある ML チームが、需要予測（回帰）と不良品判定（分類）で使う評価指標を区別して整理しています。回帰タスク（連続値を予測するモデル）の評価に使われる指標として適切なものを 2 つ選んでください。
G32ある企業が、社内文書の下書きや要約を任せるため、大量のテキストで事前学習され、人間のような自然な文章を生成できる大規模なモデルの導入を検討しています。このモデルを指す略称はどれですか。
G32ある研修で、画像を生成するモデルの仕組みを系譜で学んでいます。生成器（ジェネレータ）と識別器（ディスクリミネータ）の 2 つを競わせるように学習させて、本物らしいデータを生成する生成モデルを何と呼びますか。
G32ある企画チームが、生成 AI をブレインストーミング支援に使う提案をまとめています。生成 AI が、創造的で多様な出力が求められ、ある程度のばらつき（非決定性）が許容されるタスクに向いている理由として、最も適切なものはどれですか。
G32ある EC 企業が、基盤モデルに自社の顧客データや商品データを組み合わせて活用しようとしています。データ活用の効果を整理するとき、これによって得られる主な利点として最も適切なものはどれですか。
G32ある企業が、生成 AI の適用候補を、従来の判別・予測型 ML で足りる業務と区別しながら洗い出しています。生成 AI が得意とする代表的なユースケースとして適切なものを 2 つ選んでください。
G33本番運用する AI エージェントに対して、アイデンティティ（認証）・アクセスポリシー・メモリ・監視などの運用基盤を提供する、2025 年に登場した Amazon Bedrock の仕組みはどれですか。
G33ある企業が、採用する基盤モデルを決める前に客観的な比較を行いたいと考えています。複数の基盤モデルについて、正解率・堅牢性・毒性などの観点で品質を測定し比較できる Amazon Bedrock の機能はどれですか。
G332025 年に Amazon Bedrock のガードレールに加わった、モデルの出力が定めた方針や事実に論理的に整合しているかを形式的に検証し、ハルシネーションを抑える仕組みはどれですか。
G33ある企業が、埋め込み（ベクトル）を保存し、意味の近さで検索（ベクトル検索）を行うために、マネージドな検索・分析サービスを使いたいと考えています。最も適した AWS サービスはどれですか。
G33ある AI チームの勉強会で、RAG やプロンプトエンジニアリングと対比しながらカスタマイズ手法の特徴を整理しています。ファインチューニングに関する説明として正しいものを 2 つ選んでください。
G34ある企業が、採用選考を支援する AI モデルを開発しています。特定の性別や年齢のグループが不利に扱われないようにすることを重視しています。この考え方に最も当てはまる責任ある AI の特徴はどれですか。
G34ある画像認識 AI について、入力にノイズが混ざったり、想定外の角度の写真が来たりしても、性能が大きく崩れず安定して動作することを重視しています。この性質に最も当てはまる責任ある AI の特徴はどれですか。
G34ある企業が、ガバナンス監査に備えて、各モデルの意図された用途・性能・既知のリスクや制限事項などを 1 か所に文書化して、ガバナンスや説明責任に役立てたいと考えています。最も適した AWS の機能はどれですか。
G34ある企業のガバナンス会議で、バイアスを含んだモデルをそのまま本番で使い続けた場合のリスクを整理しています。是正せずに運用を続けたとき、生じうる影響として最も適切なものはどれですか。
G34ある企業が、公平性の維持を一度きりの確認で終わらせない仕組みを作ろうとしています。モデルの公平性を保つために、ライフサイクルを通じて継続的に行うべき取り組みとして適切なものを 2 つ選んでください。
G35ある企業が、AI システムで扱うデータを安全に管理するため、データエンジニアリングの運用ルールを定めようとしています。データを安全に管理するためのベストプラクティスとして、最も適切なものはどれですか。
G35ある企業が、全社の AI 活用ルールを整備しています。組織で AI を安全かつ適切に使うために、守るべきルール（誰が何をしてよいか、禁止事項など）を明文化した文書を何と呼びますか。
G35ある企業が、クライアントと AI アプリの間でやり取りされる通信を、ネットワーク経路上で盗聴されないよう暗号化したいと考えています。転送中（通信中）のデータを保護する方式はどれですか。
G35ある企業が監査対応を進めており、AWS の ISO や SOC などの第三者監査レポートやコンプライアンス文書をオンデマンドで入手して監査人に提出したいと考えています。最も適した AWS サービスはどれですか。
G35ある企業が、AI ワークロードの監査対応として、自社環境での操作の証跡を残し、自社のコンプライアンスの証拠を体系的に収集したいと考えています。この監査対応に役立つ AWS サービスを 2 つ選んでください。
G36ある企業が、新人 ML プラクティショナー向けの研修を設計しています。エージェントの行動に報酬を与えて方策を改善していく学習の流れを、報酬関数を自分で設計しながらシミュレーション環境で対話的に体験できるようにしたいと考えています。この要件に最も適した AWS サービスはどれですか。
G36ある小売企業のマーケティングチームが、販促メールの出し分けのために顧客のグループ分けを計画しています。数百万件の購買履歴はあるものの、顧客をどう分けるかの基準や既存のセグメント定義（正解データ）は存在せず、購買傾向だけから似た顧客のまとまりを自動的に見つけたいと考えています。この要件に最も適したアプローチはどれですか。
G36ある企業のデータレイクには複数形式のデータが保管されています。その中の売上データは、年・月・売上高の列を持つ表形式の CSV で、列ごとに型が決まっており、SQL でそのまま集計できます。このデータの種別はどれですか。
G36ある企業が初めての ML プロジェクトを開始するにあたり、ML 開発ライフサイクルの一般的な進め方を整理しています。データ収集から運用までのフェーズの順序として、最も適切なものはどれですか。
G36ある企業の研修で、各部門から寄せられた ML 活用案を、どの学習手法で実現すべきかという観点で整理しています。次の取り組みのうち、教師あり学習として実現するのが適切なものを 2 つ選んでください。
G37ある企業が、画像も入力できる生成 AI アプリを Bedrock で構築するためにモデルを選定しています。テキスト・画像・動画など複数の種類の入力を扱える、Amazon 自社のマルチモーダル基盤モデルファミリーはどれですか。
G37ある企業が、生成 AI 基盤の運用負荷を見積もっています。Amazon Bedrock が基盤モデルをサーバーレスで提供していることによる、運用上の主な利点として最も適切なものはどれですか。
G37ある AI プラクティショナーが、社内勉強会で LLM の仕組みを解説しています。LLM が内部で埋め込み（ベクトル表現）を使うことで、自然言語の応答の正解率が高まると説明するとき、その理由として最も適切なものはどれですか。
G37ある企業が、要約・翻訳・チャット対応など複数の生成 AI ユースケースを、なるべく 1 つのモデルでまかなえないか検討しています。大量かつ多様なデータで一度大規模に事前学習され、要約・翻訳・チャットなど多くのタスクに再利用できる汎用的なモデルを表す呼称はどれですか。
G37ある研修で、従来の予測・判別型の機械学習と対比しながら、生成 AI が得意とする典型的なユースケースを紹介します。次のうち、生成 AI の代表的なユースケースに当てはまるものを 2 つ選んでください。
G38ある企業が、社内手続きの代行ボットを構築しています。ユーザーの依頼を達成するために、複数のステップ（情報の取得・API 呼び出し・判断など）を自律的に計画して実行する Amazon Bedrock の機能はどれですか。
G38ある AI プラクティショナーが、応答を生成する前に外部のナレッジソースから関連情報を取得し、その情報を踏まえて回答させる手法を説明しようとしています。この手法を表す用語はどれですか。
G38ある開発者が、次のトークンの候補を確率の高い順に足していき、累積確率が指定した割合に達するまでの候補だけに絞ってから選ばせたいと考えています。この制御を行う推論パラメータはどれですか。
G38ある開発者が、多段階の計算を要する問題でモデルの正答率が低いことに悩んでいます。モデルに「途中の考え方（推論のステップ）」を順を追って書かせることで正答率を高めるプロンプト手法を何と呼びますか。
G38ある開発チームが、生成 AI アプリの回答品質のばらつきに悩んでおり、プロンプトの書き方を見直すことにしました。プロンプトエンジニアリングで出力の品質を高める一般的なテクニックとして適切なものを 2 つ選んでください。

AWS 試験対策コンテンツ