AWS認定資格 WEB問題集＆徹底解説
AIプラクティショナー（AWS Certified AI Practitioner）
解説
A: 動的プロンプトエンジニアリングは、ユーザーの特性（この場合は年齢）に基づいて応答をカスタマイズする最も効果的な方法です。これにより、モデルの再訓練やファインチューニングなしで、柔軟かつ迅速に応答を調整できます。
B: 検索拡張生成（RAG）は、外部知識ベースを活用するのに有用ですが、この場合のユーザーの年齢に基づく応答の調整には最適ではありません。RAGは新しい情報の追加には有効ですが、応答のスタイルや調子の調整には適していません。
C: モデルの再訓練は時間とリソースを多く必要とし、Amazon Bedrockの基盤モデルを直接変更することはできません。また、ユーザーの年齢ごとに別々のモデルを作成するのは非効率的です。
D: ファインチューニングも有効な方法ですが、Amazon Bedrockの基盤モデルに対して直接行うことはできません。また、ユーザーの年齢ごとに別々のモデルをファインチューニングするのは、時間とリソースの観点から非効率的です。
B: 検索拡張生成（RAG）は、外部知識ベースを活用するのに有用ですが、この場合のユーザーの年齢に基づく応答の調整には最適ではありません。RAGは新しい情報の追加には有効ですが、応答のスタイルや調子の調整には適していません。
C: モデルの再訓練は時間とリソースを多く必要とし、Amazon Bedrockの基盤モデルを直接変更することはできません。また、ユーザーの年齢ごとに別々のモデルを作成するのは非効率的です。
D: ファインチューニングも有効な方法ですが、Amazon Bedrockの基盤モデルに対して直接行うことはできません。また、ユーザーの年齢ごとに別々のモデルをファインチューニングするのは、時間とリソースの観点から非効率的です。
関連サービスの解説
Amazon Bedrock＋ 質問 / コメント
解答・解説に疑問がある場合や、よりよい解説がある場合など、お気軽にコメントください。ただし、短文コメントは表示されません。また、中傷などコメントの内容によっては、会員機能を停止させて頂きます。教え学び合える場になれば嬉しいです。（コメント投稿にはログインが必要です）
正答率 56%
No.41 解説
eラーニング企業が、Amazon Bedrockを使用して大規模言語モデル（LLM）チャットボットを開発し、プラットフォーム上でのパーソナライズされた学習体験を強化しています。チャットボットは、ユーザーの年齢層に基づいて動的に応答を調整する必要があります。Amazon Bedrockの基盤モデルを活用することで、同社は多様なユーザーベースに対して関連性が高く、魅力的で年齢に適したサポートを提供する適応型学習ツールを作成することを目指しています。AIプラクティショナーとして、どのソリューションを推奨しますか？
- 年齢などのユーザー特性に基づいて応答をカスタマイズするために、動的プロンプトエンジニアリングを実装する
- ユーザーの年齢などの特性に基づいて応答をカスタマイズするために検索拡張生成（RAG）を活用する
- ユーザーの年齢に基づいて応答を調整するためにモデルの再訓練を行う
- ユーザーの年齢に基づいて応答のスタイルやトーンを調整するためにモデルのファインチューニングを行う