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2.3：モデルパフォーマンスの分析

分野2：ML モデルの開発

• No.6 MLモデルの安全な評価戦略
• No.15 信用リスクモデル開発におけるMLワークフロー自動化と実験管理
• No.16 推薦モデル導入に向けたA/Bテスト
• No.22 MLモデルの評価指標選択
• No.25 SageMakerでのMLモデルオンライン検証
• No.29 ROCとAUCによるモデル評価
• No.46 信用リスクモデルの評価指標選択
• No.49 不均衡データセットにおける機械学習モデルの評価
• No.57 SageMakerによる実験の比較と再現
• No.61 医療モデルにおける精度と説明性の両立
• No.63 画像分類モデルの性能低下診断
• No.67 SageMaker Debuggerによる勾配消失の診断
• No.83 SageMaker Debuggerによるモデルのデバッグ
• No.85 SageMakerでのモデルトレーニング最適化
• No.101 SageMaker Debuggerによる過学習の自動検出
• No.102 不均衡データモデルの適切な評価
• No.105 SageMakerモデルの安全な性能評価
• No.113 顧客購買予測モデルの最適化戦略
• No.117 深層学習トレーニングの問題をリアルタイムに検出・自動対応する仕組み
• No.123 SageMaker Experimentsの実行管理
• No.133 SageMaker 本番バリアントによるオンライン検証
• No.134 機械学習モデルの汎化性能最適化
• No.135 説明可能なMLモデルのメリット
• No.171 MLモデルの適合率と再現率の評価
• No.201 SageMaker Clarifyでのモデルバイアス評価
• No.205 SageMakerにおける勾配消失の検知と対策
• No.210 SageMaker Experimentsにおける訓練メタデータ追跡
• No.222 MLモデルの説明可能性手法の活用
• No.226 MLモデルの性能評価とバイアス検出
• No.228 機械学習モデルのA/Bテスト戦略
• No.242 SageMakerモデルの予測要因を説明する
• No.249 SageMakerにおける機械学習実験の管理と再現性確保
• No.276 SageMakerでのモデル汎化性能向上
• No.280 品質検査におけるMLモデル特性の最適化
• No.281 SageMakerでのモデルトレーニング監視と最適化
• No.297 金融機関のMLモデル説明責任への対応
• No.301 医療MLモデルにおける高精度と説明性の両立
• No.317 深層学習モデルのトレーニング効率化
• No.334 SageMaker Debuggerによる勾配消失の特定と対策
• No.353 SageMakerでのモデル評価戦略
• No.364 不正アクセス検知モデルの評価指標選択
• No.378 機械学習モデルの評価指標の特性
• No.383 SageMaker ClarifyでのCDD適用
• No.412 SageMaker Clarify の条件付き属性格差 (CDD) の解釈
• No.438 学習データとモデル予測のバイアス検出