AWS認定資格 WEB問題集＆徹底解説
AIプラクティショナー
分野3：基盤モデルの応用
- No.13 複数プロバイダーの基盤モデルとエージェントを扱うサービス選定
- 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.34 RAGによる応答品質向上の実装方法
- No.36 Amazon Bedrockエージェントの外部API連携機能
- 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.60 LLMを用いた製品カタログ検索
- No.87 Amazon Bedrockの出力長制御
- No.92 生成AIモデルの出力多様性を制御するパラメータ
- No.94 Amazon Bedrockでの RAG 活用
- No.98 Bedrockナレッジベースのベクトルストア選定
- No.99 Amazon Bedrockにおける出力の多様性制御
- No.123 AIエージェントによるバックエンド統合の利点
- No.131 企業データを活用した生成AI回答の実装方法
- No.134 RAGとエージェントの違い
- No.141 Bedrockでの基盤モデル選定と本番前評価
- No.172 Bedrockエージェントの外部システム連携構成
- No.183 Bedrockの応答長パラメータの影響
- 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推論パラメータ
- No.208 外部データ統合による回答生成の最適実装
- No.234 Temperatureの影響
- No.237 RAGモデルのアクセス制御
- No.238 生成AI基盤モデル選定における評価プロセス
- 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ョンの関係
- No.265 生成AIシステムにおけるエージェントの役割
- No.275 LLMの出力創造性の調整
- No.300 生成AIのハルシネーション対策
- No.306 Top Pパラメータの影響
- 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.334 基盤モデルのパフォーマンス向上技術
- No.339 Amazon Bedrockのファインチューニング
- No.340 画像生成に適した基盤モデルの選択
- No.342 Temperatureパラメータの影響
- No.351 Bedrockエージェントでの文書参照機能の実装
- No.355 生成AIエージェントの処理特性
- No.357 基盤モデルの性能向上技術の特性
- No.375 Foundation Modelとカスタマイゼーションの定義
- No.396 Amazon Bedrockナレッジベースの目的
- No.398 Amazon Bedrockの推論制御パラメータ
- No.407 Amazon Bedrockによる複雑なタスクの自動化
- No.410 生成AIによる文面のブランドトーン統一とスケーラビリティ
- No.431 Amazon Bedrockにおけるハルシネーションリスク
- No.433 Amazon Novaを活用したドキュメント応答システムの設計
- No.434 RAG向けベクトル検索データストアの選定
- No.440 Amazon Bedrock AIエージェントの基盤コンポーネント
- No.447 LLMにおけるtop-kサンプリングの利点
- No.473 大規模言語モデルと外部知識連携の利点
- No.482 RAG用埋め込みベクトルの保存と類似検索に適したサービス
- No.484 Amazon Q を用いたAIアシスタントの精度向上
- No.493 Bedrockテキスト生成の候補語制御
- No.495 幅広い文章作成業務に対する生成AI活用の利点
広告