A. Amazon CloudWatch Logs를 사용하여 모델을 설명 가능하게 만들고 편향을 모니터링합니다.

B. 명확하고 구체적인 프롬프트를 설계합니다. 최소 권한 액세스를 사용하여 AWS Identity and Access Management(IAM) 역할 및 정책을 구성합니다.

C. Amazon Bedrock 자동 모델 평가 작업을 활성화합니다.

D. 자동 모델 평가 작업에 AWS Audit Manager를 활성화합니다.

A. Amazon SageMaker 모델 모니터

B. Amazon SageMaker JumpStart

C. Amazon SageMaker 디버거

D. Amazon SageMaker 모델 카드

A. 모델을 따르는 명령어

B. 텍스트 완성 모델

C. 이미지 생성 모델

D. 텍스트 임베딩 모델

A. 감성 분석에 대한 자세한 설명과 LLM이 프롬프트에서 어떻게 작동하는지 설명합니다.

B. 추가적인 맥락이나 예 없이 분류될 새로운 텍스트 구절을 제공합니다.

C. 텍스트 요약이나 질의응답과 같이 관련 없는 작업의 몇 가지 예를 새로운 텍스트 구절에 제공합니다.

D. 프롬프트에 긍정적 또는 부정적 라벨이 붙은 텍스트 구절의 예를 제공하고, 그 뒤에 분류할 새로운 텍스트 구절을 제시합니다.

A. 완전성

B. 요약 평가를 위한 회상 중심 보조 연구(ROUGE)

C. 거부

D. 지시사항을 따르세요

A. 훈련 데이터 품질

B. 일반적인 용도 및 고성능 GPU 가용성

C. 모델 지연 시간 및 최적화된 추론 속도

D. 모델 크기

A. XGBoost

B. 잔차 신경망

C. 생성적 적대 신경망(GAN)

D. 웨이브넷

A. 최적화된 인덱싱을 사용하여 데이터베이스 성능 향상

B. 주식 시장 동향을 예측하기 위한 재무 데이터 분석

C. 침입 탐지 시스템을 사용하여 네트워크 보안을 강화합니다.

D. 디지털 마케팅을 위한 텍스트 설명으로부터 사실적인 이미지 생성

A. AWS 클라우드트레일 레이크

B. 아마존 인스펙터

C. AWS Trusted Advisor

D. 아마존 맥

A. AWS 신뢰할 수 있는 고문

B. AWS 구성

C. Amazon CloudWatch

D. AWS 클라우드 트레일

A. 이 모델은 더 적은 훈련 데이터가 필요합니다.

B. 이 모델은 젊은 연령층과 고령층의 결과를 부정확하게 예측할 것입니다.

C. 이 모델은 젊은 연령층에 대해서만 정확한 결과를 예측합니다.

D. 이 모델은 모든 연령대의 결과를 정확하게 예측합니다.

A. 자연어 처리(NLP)

B. 추천 시스템

C. 컴퓨터 비전

D. 사기 감지

A. 기초 모델(FM)을 사용하는 애플리케이션을 개발합니다.

B. 온라인 코딩 도우미에 코드를 업로드합니다.

C. 테스트 케이스를 조사하고 작성합니다. 그런 다음 테스트 케이스를 생성하고 문서를 추가합니다.

D. 통합 개발 환경(IDE)에서 Amazon Q Developer를 사용합니다.

A. 학습 데이터 세트는 가능한 모든 입력 값을 반영하지 않습니다.

B. 조기 종료 기준 때문에 모델 학습이 조기에 종료됩니다.

C. 학습 데이터 세트에 너무 많은 기능이 포함되어 있습니다.

D. 이 모델에는 정규화 방법이 포함되어 있습니다.