AWS認定資格 WEB問題集＆徹底解説
LOGIN

AIプラクティショナー（AWS Certified AI Practitioner）

TOP
問題集
その他

易しい順

No.87 Amazon Rekognitionの顔認識機能
正答率：100％
No.103 Amazon Rekognitionの効果的な活用
正答率：100％
No.106 生成AIモデルの精度向上
正答率：100％
No.150 AIモデルのリアルタイム推論
正答率：100％
No.162 Amazon Rekognitionの顔認識活用
正答率：100％
No.174 Comprehendの感情分析機能
正答率：100％
No.177 Amazon Transcribeの適用例
正答率：100％
No.178 非構造化臨床データからの情報抽出
正答率：100％
No.201 Amazon Forecastの適切な使用例
正答率：100％
No.211 生成AIモデルの誤った出力の防止策
正答率：100％

広告
No.254 F1スコアの有効性
正答率：100％
No.260 感情分析の効果的な活用方法
正答率：100％
No.274 SageMaker Clarifyの利点
正答率：100％
No.285 Amazon Rekognitionの最適な活用
正答率：100％
No.288 生成AIの重要性と応用
正答率：100％
No.293 AIモデルの予測モニタリング
正答率：100％
No.294 Amazon Transcribeの活用
正答率：100％
No.298 オーバーフィッティング防止手法
正答率：100％
No.308 AI/MLモデルのトレーニングとデプロイ
正答率：100％
No.310 生成AIの誤情報リスク軽減策
正答率：100％

広告
No.328 SageMaker Clarifyの主要機能
正答率：100％
No.335 AIモデルのデプロイと推論
正答率：100％
No.82 Rekognitionの顔認識機能の用途
正答率：99％
No.98 Amazon Rekognitionの顔認識活用
正答率：98％
No.105 生成AIのリスク軽減策
正答率：98％
No.29 SageMakerのモデル監視
正答率：97％
No.97 オーバーフィッティングの定義
正答率：97％
No.151 Amazon Rekognitionの活用
正答率：97％
No.155 Amazon Comprehendの活用例
正答率：97％
No.179 AIモデルの公平性確保アプローチ
正答率：97％

広告
No.192 AI/MLモデルのバイアス防止手法
正答率：97％
No.204 機械学習モデルの過学習防止手法
正答率：97％
No.205 Amazon Lexの最適な用途
正答率：97％
No.210 AIモデルのバイアスによる影響
正答率：97％
No.218 BERTモデルの効果的なタスク
正答率：97％
No.243 Amazon Comprehendの分析機能
正答率：97％
No.264 SageMaker Clarifyの機能
正答率：97％
No.281 リアルタイム推論の適切な用途
正答率：97％
No.291 AIモデルのバイアス検出ツール
正答率：97％
No.302 AIモデルのバイアス検出と対策
正答率：97％

広告
No.318 AIモデルのバイアスと透明性の確認
正答率：97％
No.319 AIモデルのバイアス検出
正答率：97％
No.320 F1スコアの有効性
正答率：97％
No.329 過学習防止のテクニック
正答率：97％
No.27 生成AIモデルの品質向上策
正答率：96％
No.56 AI/MLモデルの総合管理サービス
正答率：96％
No.59 Amazon Pollyのユースケース
正答率：96％
No.75 AIモデルの過学習防止手法
正答率：96％
No.115 Amazon Lexの最適な活用シナリオ
正答率：96％
No.124 ワードエンベディングの主な目的
正答率：96％

広告
No.305 Amazon Rekognitionの顔認識機能
正答率：96％
No.181 AIモデルのパフォーマンス監視
正答率：95％
No.212 生成AIの誤情報リスク対策
正答率：95％
No.224 Amazon Personalizeの機能
正答率：95％
No.228 データガバナンスの重要要素
正答率：95％
No.230 生成AIの基本概念と特徴
正答率：95％
No.236 基盤モデルの特徴と能力
正答率：95％
No.238 SageMakerモデルの監視方法
正答率：95％
No.271 AIモデル評価におけるF1スコア
正答率：95％
No.333 医療分野での生成AIの利点
正答率：95％

広告
No.47 構造化・非構造化データの特徴
正答率：94％
No.61 AIモデルのバイアス検出と公平性評価
正答率：94％
No.72 生成AIの誤った情報生成リスク対策
正答率：94％
No.116 AI/MLモデルの公平性確保
正答率：94％
No.130 AI/MLモデルのバイアス検出ツール
正答率：94％
No.182 AIモデルの監視とバイアス検出
正答率：94％
No.280 勾配消失問題の回避策
正答率：94％
No.292 AIモデル評価指標の選択
正答率：94％
No.324 クロスバリデーションの主な利点
正答率：94％
No.325 Bedrockの共有責任モデル
正答率：94％

広告
No.10 生成AIアプリ構築に適したサービス
正答率：93％
No.14 生成AIの新規コンテンツ作成方法
正答率：93％
No.52 NLPとコンピュータビジョンの違い
正答率：93％
No.58 多言語リアルタイム翻訳の実装
正答率：93％
No.66 Comprehend Medicalの活用
正答率：93％
No.83 早期終了の目的
正答率：93％
No.119 AIモデルトレーニングの前処理
正答率：93％
No.133 AWSのクラウド定義
正答率：93％
No.213 生成AIモデルの出力精度向上策
正答率：93％
No.257 AIモデルのバイアス検出と最小化
正答率：93％

広告
No.283 LLMの主要な用途
正答率：93％
No.300 生成AIのハルシネーション対策
正答率：93％
No.317 音声からテキストへの変換サービス
正答率：93％
No.33 勾配消失問題を改善するアクティベーション関数
正答率：92％
No.55 過学習を防ぐ効果的な手法
正答率：92％
No.84 MLモデルのバイアス検出と説明可能性
正答率：92％
No.95 脅威検出と脆弱性管理の違い
正答率：92％
No.104 AWSの共有責任モデル
正答率：92％
No.169 機械学習の適切なデータ分割
正答率：92％
No.226 機械学習実装の主な課題
正答率：92％

広告
No.245 教師なし学習の特徴
正答率：92％
No.272 F1スコアの重要性
正答率：92％
No.321 機械学習の基本概念
正答率：92％
No.336 Comprehendのセンチメント分析活用
正答率：92％
No.40 過学習を防ぐ効果的な手法
正答率：91％
No.71 音声通話の感情分析サービス
正答率：91％
No.90 Amazon Bedrockの保護機能
正答率：91％
No.99 ミニバッチ勾配降下法の特徴
正答率：91％
No.117 モデル推論と評価の違い
正答率：91％
No.134 RAGとエージェントの違い
正答率：91％

広告
No.142 大規模言語モデルの誤り
正答率：91％
No.191 バリデーションデータセットの役割
正答率：91％
No.282 AIモデルのバイアス防止アプローチ
正答率：91％
No.314 Amazon Lexの効果的な活用
正答率：91％
No.21 AIモデルのバイアス検出と透明性向上
正答率：90％
No.74 生成AIの責任ある採用戦略
正答率：90％
No.121 AIモデルの透明性と説明可能性
正答率：90％
No.132 AIモデルの過学習現象
正答率：90％
No.139 医療用音声の規制準拠な処理
正答率：90％
No.232 AIモデルのバイアス防止方法
正答率：90％

広告
No.275 LLMの出力創造性の調整
正答率：90％
No.137 NLPに適したAWSのAI/MLサービス
正答率：89％
No.154 機械学習モデルの過学習対策
正答率：89％
No.171 RLHFとA2Iの違い
正答率：89％
No.188 Amazon Comprehendの主な用途
正答率：89％
No.223 BedrockとJumpStartの比較
正答率：89％
No.244 Amazon Q Developerの機能
正答率：89％
No.258 Amazon Q Businessの基盤サービス
正答率：89％
No.262 F1スコアの重要性
正答率：89％
No.290 生成AIにおけるトークンの概念
正答率：89％

広告
No.313 ネガティブプロンプティングの活用
正答率：89％
No.316 AIパイプラインのセキュリティ対策
正答率：89％
No.68 バッチ正規化の主な利点
正答率：88％
No.89 ワードエンベディングの代表的モデル
正答率：88％
No.109 音声からテキストへの変換サービス
正答率：88％
No.143 Amazon Pollyの最適な利用ケース
正答率：88％
No.153 AIモデルの透明性と説明可能性
正答率：88％
No.185 欠損データ処理の重要性
正答率：88％
No.315 省エネ型ML計算の選択
正答率：88％
No.108 Amazon Rekognitionの適用範囲
正答率：87％

広告
No.125 勾配消失問題の軽減手法
正答率：87％
No.219 AWS AIサービスカードの目的
正答率：87％
No.227 夜間車両ナンバー検出に適したサービス
正答率：87％
No.286 MLモデルのスケーラブルなAPI提供
正答率：87％
No.309 F1スコアの重要性
正答率：87％
No.327 過学習の主な原因
正答率：87％
No.120 生成AIモデルの潜在的リスク
正答率：86％
No.129 開発効率化ツールの選択
正答率：86％
No.144 画像認識・分類のAWSサービス選択
正答率：86％
No.146 TF-IDFの特徴と重要語抽出
正答率：86％

広告
No.217 機械学習の学習率と収束の関係
正答率：86％
No.225 AIとMLの関係性と違い
正答率：86％
No.234 Temperatureの影響
正答率：86％
No.250 クロスバリデーションの利点
正答率：86％
No.252 AIモデルのバイアス検出サービス
正答率：86％
No.266 AI評価指標の選択
正答率：86％
No.306 Top Pパラメータの影響
正答率：86％
No.8 文書からの手書き文字抽出
正答率：85％
No.42 Personalizeのデータ準備支援
正答率：85％
No.60 LLMを用いた製品カタログ検索
正答率：85％

広告
No.64 AIモデルの公平性確保
正答率：85％
No.206 強化学習と教師あり学習の違い
正答率：85％
No.214 AI技術の階層関係
正答率：85％
No.261 動画内容の自動検出と分析
正答率：85％
No.267 混同行列における偽陽性の定義
正答率：85％
No.332 強化学習の基本的な仕組み
正答率：85％
No.44 データドリフト対策の有効な方法
正答率：84％
No.118 コールセンター自動化のAWSサービス
正答率：84％
No.172 AIモデル評価におけるF1スコア
正答率：84％
No.231 Word2Vecの効果的な利用
正答率：84％

広告
No.297 基盤モデルとLLMの主な違い
正答率：84％
No.299 NLPのための最適なAWSサービス
正答率：84％
No.19 顧客フィードバックの自動感情分析
正答率：83％
No.200 AIモデル評価指標の選択
正答率：83％
No.209 Bedrockの検証データ保存先
正答率：83％
No.284 学習率が高すぎる場合の問題点
正答率：83％
No.11 半教師あり学習による不正検出
正答率：82％
No.38 ドロップアウトによる過学習防止
正答率：82％
No.49 データドリフト検出と監視
正答率：82％
No.62 Word2Vecの主な利点
正答率：82％

広告
No.9 Bedrockの機密情報保護
正答率：81％
No.23 回帰問題における損失関数
正答率：81％
No.48 ML モデルの汎化性能評価
正答率：81％
No.65 音声認識のためのサービス選択
正答率：81％
No.112 テキスト音声変換サービス
正答率：81％
No.175 クロスバリデーションの目的
正答率：81％
No.2 生成AIチャットボットの主要考慮点
正答率：80％
No.20 AIシステムの最適化ツール選定
正答率：80％
No.43 機械学習アプローチの分類
正答率：80％
No.148 統一検索ソリューションの選択
正答率：80％

広告
No.251 SageMakerのデータ集約サービス
正答率：80％
No.301 複雑な問題分解のプロンプト技術
正答率：80％
No.1 音声からの感情分析の効率的な実現
正答率：79％
No.12 F1スコアの重要性
正答率：79％
No.28 SageMaker Clarifyの活用
正答率：79％
No.51 ML予測の透明性と解釈可能性
正答率：79％
No.67 モデルの汎化能力向上手法
正答率：79％
No.135 MLアルゴリズムとMLモデルの違い
正答率：79％
No.198 不均衡データの評価指標
正答率：79％
No.256 Word2Vecのskip-gramモデル
正答率：79％

広告
No.5 テキストから音声への変換サービス
正答率：78％
No.30 Bedrockでのナレッジベース活用
正答率：78％
No.69 バイアス-バリアンストレードオフの調整
正答率：78％
No.158 SageMakerモデルの文書化
正答率：78％
No.166 Zero-shotプロンプティングの特徴
正答率：78％
No.167 小売企業向け需要予測ソリューション
正答率：78％
No.196 Bedrockで創造的な応答を得る方法
正答率：78％
No.287 過学習を防ぐ効果的な手法
正答率：78％
No.304 特徴量スケーリングの一般的手法
正答率：78％
No.323 教師あり学習のタスク分類
正答率：78％

広告
No.131 AWSクラウドの効率的な開発機能
正答率：77％
No.163 AIワークフロー用ハードウェアの最適化
正答率：77％
No.113 AWS DeepLensの最適な用途
正答率：76％
No.160 クラウドコンタクトセンター構築
正答率：76％
No.170 画像分類に適したニューラルネットワーク
正答率：76％
No.176 MLモデルの文書化ツール
正答率：76％
No.187 企業向け生成AI搭載アシスタント
正答率：76％
No.195 分類問題の評価指標
正答率：76％
No.246 Top K推論パラメータの影響
正答率：76％
No.249 温度設定とハルシネーシの関係
正答率：76％

広告
No.259 金融業界での生成AI採用戦略
正答率：76％
No.303 リアルタイム推論のAIサービス
正答率：76％
No.94 Amazon Bedrockでの RAG 活用
正答率：75％
No.165 生成AIの誤情報管理手法
正答率：75％
No.173 特徴量の重要性評価の目的
正答率：75％
No.248 L2正則化の主な効果
正答率：75％
No.268 AIモデルのバイアス特定
正答率：75％
No.269 バイアス-バリアンストレードオフ
正答率：75％
No.4 AIモデルの公平性とバイアス検出
正答率：74％
No.37 L2正則化の主な効果
正答率：74％

広告
No.76 リアルタイムレコメンデーション
正答率：74％
No.86 AWS上のNLPマネージドサービス
正答率：74％
No.110 マルチモーダルモデルの能力
正答率：74％
No.126 データサイエンスプロセスのフェーズ
正答率：74％
No.235 生成AIによる新規コンテンツ作成
正答率：74％
No.263 CNNとRNNの適切な用途
正答率：74％
No.7 基盤モデルとカスタマイズの違い
正答率：73％
No.93 AIモデル評価指標の重要性
正答率：73％
No.122 AUC-ROCによる二値分類モデルの評価
正答率：73％
No.159 NLPにおけるトークン化の重要性
正答率：73％

広告
No.289 形態素解析の主な目的
正答率：73％
No.45 Bedrockのコスト最適化
正答率：72％
No.73 ドロップアウトの適用フェーズ
正答率：72％
No.145 映画分類の透明性と解釈性
正答率：72％
No.183 Bedrockの応答長パラメータの影響
正答率：72％
No.184 バッチ正規化の機能
正答率：72％
No.194 教師あり学習のタスク分類
正答率：72％
No.16 Bedrockの推論パラメータ設定
正答率：71％
No.46 マルチモーダルチャットボットの構築
正答率：71％
No.57 モデルパラメータとハイパーパラメータの違い
正答率：71％

広告
No.81 Amazon Comprehendのエンティティ認識機能
正答率：71％
No.140 プロンプティング技術の構成要素
正答率：71％
No.189 CNNの畳み込み層の役割
正答率：71％
No.199 人間のレビューと監査の実装
正答率：71％
No.296 分類問題の評価指標
正答率：71％
No.307 合成データ生成のGAN活用
正答率：71％
No.331 ドロップアウトの適用に最適な層
正答率：71％
No.334 基盤モデルのパフォーマンス向上技術
正答率：71％
No.36 画像生成に適した基盤モデルの選択
正答率：70％
No.39 Amazon Bedrockのベクターストア
正答率：70％

広告
No.190 Transformerモデルの動作原理
正答率：70％
No.330 ノーコードMLツールの選択
正答率：70％
No.6 AIモデルの精度低下現象
正答率：69％
No.18 VPC内SageMakerとS3の安全な接続
正答率：69％
No.26 One-Hotエンコーディングの目的
正答率：69％
No.54 深層学習モデルのトレーニング高速化
正答率：69％
No.147 機械学習モデルの種類
正答率：69％
No.203 Amazon Q Developerの基盤
正答率：69％
No.242 生成AIのセキュリティ責任範囲
正答率：69％
No.295 LLMの偏見評価に適したデータソース
正答率：69％

広告
No.15 機械学習におけるバイアス低減手法
正答率：68％
No.35 AI/MLのバイアス防止方法
正答率：68％
No.50 ROC曲線のAUCが低い場合の解釈
正答率：68％
No.53 自然言語からSQLクエリへの変換
正答率：68％
No.70 バイアス-バリアンストレードオフ
正答率：68％
No.96 アンダーフィッティングの特徴
正答率：68％
No.161 オートエンコーダの効果的な利用
正答率：68％
No.216 LLM出力の公平性評価手法
正答率：68％
No.233 医療AIモデルの透明性と信頼性維持
正答率：68％
No.312 バッチサイズの影響とメモリ考慮
正答率：68％

広告
No.3 過学習防止のための有効な手法
正答率：67％
No.13 バリデーションデータの役割
正答率：67％
No.114 BedrockとSageMaker JumpStartの比較
正答率：67％
No.168 画像からのテキスト抽出と構造化
正答率：67％
No.208 データラベル不足時の学習手法
正答率：67％
No.138 L2正則化の効果
正答率：66％
No.193 チャットボットの一貫性向上
正答率：66％
No.237 RAGモデルのアクセス制御
正答率：66％
No.107 再現率が重要となるシナリオ
正答率：65％
No.111 トランスフォーマーの最適用途
正答率：65％

広告
No.186 L1正則化の特徴
正答率：65％
No.22 バッチ正規化の主な目的
正答率：64％
No.24 ISVコンプライアンス通知の自動化
正答率：64％
No.32 勾配消失問題を軽減する活性化関数
正答率：64％
No.78 Amazon Personalizeの機能
正答率：64％
No.92 Amazon Q Developerの機能
正答率：64％
No.255 早期終了の判断基準
正答率：64％
No.273 機械学習のバイアスとバリアンス
正答率：64％
No.277 AIモデルの処理能力の限界
正答率：64％
No.311 基盤モデルの性能向上手法
正答率：64％

広告
No.322 文脈的意味を区別する埋め込みモデル
正答率：64％
No.100 機械学習における過適合と過少適合
正答率：63％
No.180 画像生成AIのバイアス軽減方法
正答率：63％
No.202 AWS DeepRacerの機械学習手法
正答率：63％
No.88 深層学習における学習率の影響
正答率：62％
No.149 ディープラーニング環境のクラウド移行
正答率：62％
No.215 機械学習のデータ前処理手法
正答率：62％
No.31 Bedrockでの製品推薦モデル改善
正答率：61％
No.91 深層学習のミニバッチサイズ設定
正答率：61％
No.156 SageMakerモデルの一元管理
正答率：61％

広告
No.239 機械学習モデルの精度向上手法
正答率：61％
No.276 生成AIセキュリティスコーピング
正答率：61％
No.17 過学習防止の効果的な手法
正答率：60％
No.221 機械学習モデルの過学習対策
正答率：60％
No.240 LLMの特性と応用
正答率：60％
No.253 Word2Vecのスキップグラムモデル
正答率：60％
No.265 AIチャットボットの品質向上戦略
正答率：60％
No.25 ハイパーパラメータ最適化の課題
正答率：59％
No.128 AI不正検出の監査・コンプライアンス
正答率：59％
No.278 自然言語でのBIダッシュボード作成
正答率：59％

広告
No.34 Amazon Bedrockのファインチューニング
正答率：58％
No.79 精度と再現率のトレードオフ
正答率：58％
No.164 AWS DeepRacerの主要機能
正答率：58％
No.41 LLMの動的プロンプト最適化
正答率：57％
No.80 Temperatureパラメータの影響
正答率：57％
No.63 テキスト分析に適したAWSサービス
正答率：56％
No.157 Amazon Bedrockのデータ保護
正答率：56％
No.220 Bedrockのデータセキュリティ
正答率：56％
No.152 ドロップアウト適用の最適な層
正答率：55％
No.197 Bedrockのモデルカスタマイズ方法
正答率：55％

広告
No.222 説明可能性におけるShapleyとPDP
正答率：55％
No.77 RNNの効果的なユースケース
正答率：54％
No.141 CNNのプーリング層の役割
正答率：54％
No.207 Amazon Bedrockの効率的な推論
正答率：54％
No.247 特徴量スケーリングの一般的手法
正答率：54％
No.326 Amazon Bedrockエージェントの活用
正答率：53％
No.127 TF-IDFの有効性
正答率：52％
No.229 機密文書の自動翻訳セキュリティ
正答率：52％
No.270 金融ML運用のガバナンスツール
正答率：52％
No.279 AIシステムのガバナンス維持
正答率：51％

広告
No.102 個人を特定できる情報（PII）を削除するためのAWSサービス
正答率：50％
No.241 Amazon Rekognitionのオブジェクト検出
正答率：50％
No.85 データのクラスバランス対策
正答率：46％
No.101 Transformerモデルの動作原理
正答率：46％
No.123 小売店舗のCV活用
正答率：46％
No.136 基盤モデルの補完手法
正答率：41％

広告

© 2019-2025 aws-exam.net