AWS AIF-C01 試験対策
セクション別 問題一覧
各セクションの重要ポイントを、本番形式に近い選択問題を解いて確認できます。 順番・ランダムで解き進められ、必要に応じて正答率別の絞り込みもできます。
- 全 240 問
- 5 分野
- 無料 15 問・有料 225 問
AI と ML の基礎 #1
AI・ML・深層学習の関係、教師あり/なし/強化学習、データの種類、推論モード、ML ライフサイクル、主要な AWS AI サービスを確認します。
生成 AI の基礎 #1
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #1
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
責任ある AI #1プレミアム
公平性・説明可能性・透明性・堅牢性などの特徴、バイアス検出・ガードレール・解釈可能性、生成 AI の法的リスクなど責任ある AI を確認します。
セキュリティ・コンプライアンス・ガバナンス #1プレミアム
責任共有モデル、IAM・暗号化・PrivateLink による保護、監査・コンプライアンスのサービス、データガバナンスと規格を確認します。
AI と ML の基礎 #2プレミアム
AI・ML・深層学習の関係、教師あり/なし/強化学習、データの種類、推論モード、ML ライフサイクル、主要な AWS AI サービスを確認します。
生成 AI の基礎 #2プレミアム
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #2プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
責任ある AI #2プレミアム
公平性・説明可能性・透明性・堅牢性などの特徴、バイアス検出・ガードレール・解釈可能性、生成 AI の法的リスクなど責任ある AI を確認します。
セキュリティ・コンプライアンス・ガバナンス #2プレミアム
責任共有モデル、IAM・暗号化・PrivateLink による保護、監査・コンプライアンスのサービス、データガバナンスと規格を確認します。
AI と ML の基礎 #3プレミアム
AI・ML・深層学習の関係、教師あり/なし/強化学習、データの種類、推論モード、ML ライフサイクル、主要な AWS AI サービスを確認します。
生成 AI の基礎 #3プレミアム
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #3プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
責任ある AI #3プレミアム
公平性・説明可能性・透明性・堅牢性などの特徴、バイアス検出・ガードレール・解釈可能性、生成 AI の法的リスクなど責任ある AI を確認します。
セキュリティ・コンプライアンス・ガバナンス #3プレミアム
責任共有モデル、IAM・暗号化・PrivateLink による保護、監査・コンプライアンスのサービス、データガバナンスと規格を確認します。
AI と ML の基礎 #4プレミアム
AI・ML・深層学習の関係、教師あり/なし/強化学習、データの種類、推論モード、ML ライフサイクル、主要な AWS AI サービスを確認します。
生成 AI の基礎 #4プレミアム
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #4プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
責任ある AI #4プレミアム
公平性・説明可能性・透明性・堅牢性などの特徴、バイアス検出・ガードレール・解釈可能性、生成 AI の法的リスクなど責任ある AI を確認します。
セキュリティ・コンプライアンス・ガバナンス #4プレミアム
責任共有モデル、IAM・暗号化・PrivateLink による保護、監査・コンプライアンスのサービス、データガバナンスと規格を確認します。
AI と ML の基礎 #5プレミアム
AI・ML・深層学習の関係、教師あり/なし/強化学習、データの種類、推論モード、ML ライフサイクル、主要な AWS AI サービスを確認します。
生成 AI の基礎 #5プレミアム
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #5プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
責任ある AI #5プレミアム
公平性・説明可能性・透明性・堅牢性などの特徴、バイアス検出・ガードレール・解釈可能性、生成 AI の法的リスクなど責任ある AI を確認します。
セキュリティ・コンプライアンス・ガバナンス #5プレミアム
責任共有モデル、IAM・暗号化・PrivateLink による保護、監査・コンプライアンスのサービス、データガバナンスと規格を確認します。
AI と ML の基礎 #6プレミアム
AI・ML・深層学習の関係、教師あり/なし/強化学習、データの種類、推論モード、ML ライフサイクル、主要な AWS AI サービスを確認します。
生成 AI の基礎 #6プレミアム
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #6プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
責任ある AI #6プレミアム
公平性・説明可能性・透明性・堅牢性などの特徴、バイアス検出・ガードレール・解釈可能性、生成 AI の法的リスクなど責任ある AI を確認します。
セキュリティ・コンプライアンス・ガバナンス #6プレミアム
責任共有モデル、IAM・暗号化・PrivateLink による保護、監査・コンプライアンスのサービス、データガバナンスと規格を確認します。
AI と ML の基礎 #7プレミアム
AI・ML・深層学習の関係、教師あり/なし/強化学習、データの種類、推論モード、ML ライフサイクル、主要な AWS AI サービスを確認します。
生成 AI の基礎 #7プレミアム
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #7プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
責任ある AI #7プレミアム
公平性・説明可能性・透明性・堅牢性などの特徴、バイアス検出・ガードレール・解釈可能性、生成 AI の法的リスクなど責任ある AI を確認します。
セキュリティ・コンプライアンス・ガバナンス #7プレミアム
責任共有モデル、IAM・暗号化・PrivateLink による保護、監査・コンプライアンスのサービス、データガバナンスと規格を確認します。
AI と ML の基礎 #8プレミアム
AI・ML・深層学習の関係、教師あり/なし/強化学習、データの種類、推論モード、ML ライフサイクル、主要な AWS AI サービスを確認します。
生成 AI の基礎 #8プレミアム
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #8プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
AI と ML の基礎 #9プレミアム
AI・ML・深層学習の関係、教師あり/なし/強化学習、データの種類、推論モード、ML ライフサイクル、主要な AWS AI サービスを確認します。
生成 AI の基礎 #9プレミアム
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #9プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
AI と ML の基礎 #10プレミアム
AI・ML・深層学習の関係、教師あり/なし/強化学習、データの種類、推論モード、ML ライフサイクル、主要な AWS AI サービスを確認します。
生成 AI の基礎 #10プレミアム
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #10プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
生成 AI の基礎 #11プレミアム
トークン・埋め込み・基盤モデル・拡散モデルなどの基本概念、生成 AI のユースケースとメリット/限界、Bedrock などの生成 AI インフラを確認します。
基盤モデルの応用 #11プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
基盤モデルの応用 #12プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。
基盤モデルの応用 #13プレミアム
モデル選択基準、推論パラメータ、RAG、プロンプトエンジニアリング、ファインチューニング、エージェント、モデル評価を確認します。