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
のシナリオでは、既存のラベル付きデータ（チャットログやFAQなど）を活用して基盤モデルの性能を業務特化型に向上させる必要があります。Amazon Bedrockは、基盤モデルに対するファインチューニング機能を提供しており、これにより専用データセットを用いてモデルを調整し、顧客サポートに最適な回答ができるチャットボットを構築することが可能です。
B：正解です。Bedrockのモデルチューニング機能を使えば、ラベル付きデータを活用して基盤モデルをファインチューニングでき、顧客サポートに最適なシステムを構築できます。
A：不正解です。プロンプトエンジニアリングは、基本的には入力の工夫による出力の改善に留まり、ラベル付きデータを活用した専用のモデルチューニングほど精度の向上は期待できません。
C：不正解です。ゼロから独自モデルをトレーニングすると、リソースや開発期間、コストが大幅に増大し、Bedrockが提供する高度な基盤モデルの恩恵を活かせません。
D：不正解です。推論APIの後処理では、モデル自体の性能向上は図れず、ラベル付きデータによるファインチューニングの効果を得ることはできません。
Amazon SageMaker
B：正解です。Bedrockのモデルチューニング機能を使えば、ラベル付きデータを活用して基盤モデルをファインチューニングでき、顧客サポートに最適なシステムを構築できます。
A：不正解です。プロンプトエンジニアリングは、基本的には入力の工夫による出力の改善に留まり、ラベル付きデータを活用した専用のモデルチューニングほど精度の向上は期待できません。
C：不正解です。ゼロから独自モデルをトレーニングすると、リソースや開発期間、コストが大幅に増大し、Bedrockが提供する高度な基盤モデルの恩恵を活かせません。
D：不正解です。推論APIの後処理では、モデル自体の性能向上は図れず、ラベル付きデータによるファインチューニングの効果を得ることはできません。
関連サービスの解説
Amazon BedrockAmazon SageMaker
＋ 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 59%
No.34 解説
ある企業は、顧客サポートの効率化を目的としてAmazon Bedrockの基盤モデルを活用し、業務特化型のチャットボットシステムを構築しようとしています。既存のチャットログやFAQなど、豊富なラベル付きデータセットを活用して、顧客からの問い合わせに対して正確かつ迅速な応答を実現するため、基盤モデルのファインチューニングを検討しています。これらの要件を満たすために、最も適したアプローチはどれでしょうか？
- プロンプトエンジニアリングのみを用いて既存モデルの出力を調整する
- Amazon Bedrockのモデルチューニング機能を利用してファインチューニングする
- Amazon SageMakerを使用して、ゼロから独自のモデルをトレーニングする
- Amazon Bedrockの推論APIに直接リクエストを送り、応答内容を後処理で調整する