AWS認定資格 WEB問題集＆徹底解説

会員登録/ログイン

• タスクステートメント1.2：データ変換と特徴量エンジニアリング

分野1：機械学習 (ML) のためのデータ準備

• No.7 FirehoseとLambdaによるリアルタイムデータ処理
• No.10 MLデータ準備の効率的なツール
• No.13 SageMaker Data Wranglerによるデータ準備
• No.21 グローバルレビューデータのML前処理最適化
• No.27 MLデータ準備と特徴量管理
• No.34 AWS Glueを活用した大規模データETLの最適化
• No.40 医療文書の自動分析と検索システム構築
• No.43 コンテンツ分類モデルのデータラベリング戦略
• No.47 ML特徴量の効率的な準備と一元管理
• No.48 AIを活用したデータラベリング最適化
• No.50 ニューラルネットワークのカテゴリデータ前処理
• No.56 SageMakerにおけるデータ前処理の最適解
• No.72 機械学習モデルの特徴量前処理
• No.80 Eコマースにおける顧客チャーン予測モデルのデータ前処理
• No.86 MLデータタイプ別特徴量エンジニアリングの相違点
• No.89 通信データ統合のためのETLパイプライン
• No.99 機械学習向けデータ準備の最適化
• No.129 機械学習モデル更新のデータパイプライン自動化
• No.136 S3ログの自動ETLパイプライン構築
• No.139 データ準備の視覚的ツール選択
• No.164 AWS Glue DataBrewを用いたデータ準備
• No.192 SageMaker Data Wranglerを用いたデータ準備
• No.195 SageMaker Data Wranglerにおけるデータ分析手法
• No.211 不正検出モデルの性能改善戦略
• No.246 MLモデル開発とデータ準備のサービス選択
• No.254 MLデータ前処理の最適解
• No.283 MLプロジェクト初期段階のデータ評価
• No.290 SageMaker Data Wranglerでの特徴量分析
• No.291 MLデータ前処理の運用効率化
• No.298 機械学習データの大規模前処理戦略
• No.308 大規模な音声データからのNLP分析ソリューション
• No.309 機械学習データ検証ワークフローの自動化
• No.312 AWS Glueを用いたデータレイクの構築と最適化
• No.327 大規模データ処理と特徴量管理の最適化
• No.328 SageMaker Data Wranglerでの特徴量重要度評価
• No.331 MLモデルの画像品質変動対応策
• No.335 DataBrewによる外れ値の処理
• No.354 SageMaker Data Wranglerでのデータ準備
• No.359 テキストアノテーションの費用対効果と機密性保護
• No.370 DataBrewを活用した効率的なデータ準備
• No.374 大規模MLワークフローの自動化とスケーラビリティ確保
• No.389 機微データのファジーな重複排除ソリューション
• No.393 MLモデルの欠損値処理
• No.397 Amazon Textractによる構造化データ抽出
• No.457 顧客マスタの重複レコード検出
• No.458 CSV形式の保険金請求データの前処理手順の順序
• No.459 複数データソースの集約・前処理から異常検知への準備
• No.460 融資審査データの加工作業が該当する工程の識別
• No.461 ノーコードでのデータ準備に適した SageMaker ツールの選択
• No.462 保険金請求データのクレンジングと統合の効率化
• No.463 分散フレームワークによる大規模データの前処理
• No.464 生データの取り込みから特徴量ストアまでの一気通貫パイプライン
• No.490 FHIR形式の医療データと診療メモから学習データを整備する
• No.491 不正検知の特徴量として取引の関係性を辿るデータストア選択