Amazon AWS Certified Machine Learning - Specialty (MLS-C01日本語版) - MLS-C01日本語 FREE EXAM DUMPS QUESTIONS & ANSWERS

A. 正弦波変換 B. 指数変換 C. 対数変換 D. 多項式変換

A. 自動モデル調整 (AMT) を使用して、考えられるすべてのハイパーパラメータを調整します。{"HyperParameterTuningJobObjective": {"MetricName": "validation:f1", "Type": "Maximize"}} で最適化します。 B. 自動モデル調整 (AMT) を使用して、考えられるすべてのハイパーパラメータを調整します。{"HyperParameterTuningJobObjective": {"MetricName": "validation:accuracy", "Type": "Maximize"}} で最適化します。 C. 自動モデル調整 (AMT) を使用して、csv_weight ハイパーパラメーターとscale_pos_weight ハイパーパラメーターを調整します。{"HyperParameterTuningJobObjective": {"MetricName": "validation:f1", "Type": "Minimize"}) で最適化します。 D. 自動モデル調整 (AMT) を使用して、csv_weight ハイパーパラメーターとscale_pos_weight ハイパーパラメーターを調整します。{"HyperParameterTuningJobObjective": {"MetricName": "validation:f1", "Type": "Maximize"}} で最適化します。

A. レコードを GZIP CSV 形式に変換します B. レコードを XML 形式に変換します。 C. レコードを JSON 形式に変換します D. レコードを Apache Parquet 形式に変換します

A. VPC 内の SageMaker インスタンスにデータがコピーされたら、Amazon SageMaker 起動設定を使用してデータを暗号化します。SageMaker 主成分分析 (PCA) アルゴリズムを使用して、クレジット カード番号の長さを短縮します。 B. AWS KMS を使用して Amazon S3 および Amazon SageMaker 上のデータを暗号化し、AWS Glue を使用して顧客データからクレジット カード番号を編集します。 C. IAM ポリシーを使用して Amazon S3 バケット上のデータを暗号化し、Amazon Kinesis を使用してクレジット カード番号を自動的に破棄し、偽のクレジット カード番号を挿入します。 D. カスタム暗号化アルゴリズムを使用してデータを暗号化し、VPC 内の Amazon SageMaker インスタンスにデータを保存します。SageMaker DeepAR アルゴリズムを使用して、クレジット カード番号をランダム化します。

A. Amazon SageMaker Model Monitor を使用して、企業がモデルをデプロイした後、モデルの ModelLatency メトリクスと OverheadLatency メトリクスを可視化します。モデルの学習率を高めます。新しいトレーニング ジョブを実行します。 B. Amazon SageMaker Debugger を使用して、トレーニングの重み、勾配、バイアス、およびアクティベーション出力を可視化します。トレーニング情報に基づいてフィルター ランクを計算します。プルーニングを適用して、低ランクのフィルターを削除します。プルーニングされたフィルターのセットに基づいて新しい重みを設定します。プルーニングされたモデルを使用して新しいトレーニング ジョブを実行します。 C. Amazon CloudWatch メトリクスを使用して、SageMaker トレーニングの重み、勾配、バイアス、およびアクティベーション出力を可視化します。トレーニング情報に基づいてフィルター ランクを計算します。プルーニングを適用して、低ランクのフィルターを削除します。枝刈りされたフィルタのセットに基づいて新しい重みを設定します。プルーニングされたモデルを使用して新しいトレーニング ジョブを実行します。 D. Amazon SageMaker Ground Truth を使用して、データラベル付けワークフローを構築および実行します。ラベル付けワークフローを使用して、より大きなラベル付きデータセットを収集します。新しいラベル付きデータと以前のトレーニング データを使用する新しいトレーニング ジョブを実行します。

A. ParameterRanges を、以前のハイパーパラメータ ジョブから推測された狭い範囲に設定します。 B. RetryStrategy の値を 1 に設定します。 C. 戦略をベイズ値に設定します。 D. TrainingJobEarlyStoppingType を AUTO 値に設定します。

A. 各 HPO ジョブに同じ数のトレーニング ジョブを使用しながら、MinValue と MaxValue に次の間隔で異なる学習率を使用する 3 つの異なる HPO ジョブを実行します。
[0.01, 0.1]
[0.001, 0.01]
[0.0001, 0.001]
これら 3 つの HPO ジョブから最も正確なハイパーパラメータ構成を選択します。 B. HPO 構成を次のように変更します。
この HPO ジョブから最も正確なハイパーパラメータ構成を選択します。 C. HPO 構成を次のように変更します。
このトレーニング ジョブから最も正確なハイパーパラメータ構成を選択します。 D. MinValue と MaxValue の次の間隔で、異なる学習率を使用する 3 つの異なる HPO ジョブを実行します。各 HPO ジョブのトレーニング ジョブの数を 3 で割ります。
[0.01, 0.1]
[0.001, 0.01]
[0.0001, 0.001]
これら 3 つの HPO ジョブから最も正確なハイパーパラメータ構成を選択します。

A. モデルはクラス B および E に対して過剰適合しています。 B. データセットが小さすぎるため、ホールドアウトクロス検証は実行できません。 C. データの分布が偏っています。 D. クラス C とクラス D はあまりにも似ています。

A. AWS DeepLens カメラをインストールし、DeepLens_Kinesis_Video モジュールを使用して、各カメラの Amazon Kinesis ビデオ ストリームにビデオをストリーミングします。各ストリームで、Amazon Rekognition Video を使用してストリーム プロセッサを作成し、各ストリームのコレクションから顔を検出し、非従業員が検出されたときにアラートを出します。 B. 各ローカル オフィスとカメラごとにプロキシ サーバーを使用し、RTSP フィードを一意の Amazon Kinesis ビデオ ストリーム ビデオ ストリームにストリーミングします。各ストリームで、Amazon Rekognition Video を使用してストリーム プロセッサを作成し、既知の従業員のコレクションから顔を検出し、従業員以外が検出されたときにアラートを出します。 C. AWS DeepLens カメラをインストールし、DeepLens_Kinesis_Video モジュールを使用して、各カメラの Amazon Kinesis ビデオ ストリームにビデオをストリーミングします。各ストリームで、AWS Lambda 関数を実行して画像のフラグメントをキャプチャし、Amazon Rekognition Image を呼び出して既知の従業員のコレクションから顔を検出し、従業員以外が検出されたときにアラートを出します。 D. 各ローカル オフィスとカメラごとにプロキシ サーバーを使用し、RTSP フィードを一意の Amazon Kinesis ビデオ ストリーム ビデオ ストリームにストリーミングします。各ストリームで、Amazon Rekognition Image を使用して、既知の従業員のコレクションから顔を検出し、従業員以外が検出されたときにアラートを出します。

A. 線形回帰 B. ロジスティック回帰 C. 主成分分析 (PCA) D. K-means

A. AWS Identity and Access Management (IAM) を使用して従業員を作成します。Amazon Simple Queue Service (Amazon SQS) を使用して、ラベル付けのために Amazon EC2 キュー イメージでラベル付けツールを構築します。ラベル付けの指示を書きます。 B. Amazon Cognito で従業員を作成します。AWS Amplify を使用してラベル付けウェブアプリケーションを構築します。AWS Lambda を使用してラベル付けワークフロー バックエンドを構築します。ラベル付けの指示を書きます。 C. プライベート ワークフォースとマニフェスト ファイルを作成します。Amazon SageMaker Ground Truth の組み込みバウンディング ボックス タスク タイプを使用して、ラベル付けジョブを作成します。ラベル付けの指示を書きます。 D. Amazon Mechanical Turk の従業員とマニフェスト ファイルを作成します。Amazon SageMaker Ground Truth の組み込みの画像分類タスク タイプを使用して、ラベル付けジョブを作成します。ラベル付けの指示を書きます。