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）
- No.7 基盤モデルとカスタマイズの違い
- No.16 Bedrockの推論パラメータ設定
- No.30 Bedrockでのナレッジベース活用
- No.31 Bedrockでの製品推薦モデル改善
- No.36 画像生成に適した基盤モデルの選択
- No.39 Amazon Bedrockのベクターストア
- No.41 LLMの動的プロンプト最適化
- No.45 Bedrockのコスト最適化
- No.53 自然言語からSQLクエリへの変換
- No.60 LLMを用いた製品カタログ検索
- No.94 Amazon Bedrockでの RAG 活用
- No.129 開発効率化ツールの選択
- No.134 RAGとエージェントの違い
- No.136 基盤モデルの補完手法
- No.158 Bedrockでのコスト効率的なモデル選択
- No.183 Bedrockの応答長パラメータの影響
- No.187 企業向け生成AI搭載アシスタント
- No.193 チャットボットの一貫性向上
- No.196 Bedrockで創造的な応答を得る方法
- No.197 Bedrockのモデルカスタマイズ方法
- No.203 Amazon Q Developerの基盤
- No.207 Amazon Bedrockの効率的な推論
- No.209 Bedrockの検証データ保存先
- No.223 BedrockとJumpStartの比較
- No.235 Amazon Bedrockのコスト最適化
- No.236 基盤モデルの特徴と能力
- No.244 Amazon Q Developerの機能
- No.246 Top K推論パラメータの影響
- No.249 温度設定とハルシネーシの関係
- No.258 Amazon Q Businessの基盤サービス
- No.259 Amazon Bedrockの料金モデル選択
- No.275 LLMの出力創造性の調整
- No.283 LLMの主要な用途
- No.311 基盤モデルの性能向上手法
- No.326 Amazon Bedrockエージェントの活用
- No.330 Amazon S3との安全な接続方法
- No.334 基盤モデルのパフォーマンス向上技術
広告