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.2 Bedrockのファインチューニング用データセットの格納先
- No.22 未知のドメインに対するモデル汎化の手法
- No.31 Bedrockでの製品推薦モデル改善
- No.49 基盤モデルがラベルを自ら生成する学習手法
- No.50 Bedrock基盤モデルのカスタマイズ機能
- No.68 SageMaker Ground TruthによるRLHF支援の理解
- No.73 Amazon Bedrockにおけるファインチューニングの仕組み
- No.86 インストラクションチューニングの目的
- No.135 Bedrockのファインチューニング用データセットの保存先選定
- No.136 基盤モデルの補完手法
- No.152 Amazon Bedrockのモデルカスタマイズ手法の識別
- No.171 RLHFとA2Iの違い
- No.174 顧客フィードバックに基づき自律的に応答を改善する学習手法
- No.189 基盤モデルのドメイン特化手法の選択
- No.209 Bedrockの検証データ保存先
- No.215 事前学習済みモデルへの層追加と再学習による新タスクへの適応
- No.217 Bedrockのモデルカスタマイズに適したデータセット保存先の選定
- No.315 基盤モデルの事前学習とファインチューニングの学習方式
- No.331 継続事前学習とファインチューニングの違い
- 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.345 Amazon Bedrockでのファインチューニングの仕組み
- No.357 基盤モデルの性能向上技術の特性
- No.362 基盤モデルの学習方式の特徴
- No.385 モデルパラメータとハイパーパラメータの違い
- 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.436 ファインチューニング向けデータセットのバイアス低減
- No.438 基盤モデルの主要な学習パラダイム
- No.483 Bedrockモデルの教師データ保存
広告