AI quiz 6

Una empresa nota que su modelo de fundación (FM) genera imágenes que no están relacionadas con los mensajes. La empresa quiere modificar las técnicas de mensajes para disminuir las imágenes no relacionadas. ¿Qué solución cumple con estos requisitos?

• Usar mensajes de cero disparos

• Usar mensajes negativos

• Usar mensajes positivos

• Usar mensajes ambiguos

Una empresa quiere usar un modelo de lenguaje grande (LLM) para generar descripciones concisas y específicas de características para los productos de la empresa. ¿Qué técnica de ingeniería de mensajes cumple con estos requisitos?

• Crear un mensaje que cubra todos los productos. Editar sus respuestas para hacerlas más específicas, concisas y adaptadas a cada producto

• Crear mensajes para cada categoría de producto que resalten las características clave. Incluir el formato de salida deseado y la longitud de cada respuesta de mensaje

• Incluir una variedad diversa de características de productos en cada mensaje para generar descripciones creativas y únicas

• Proporcionar mensajes específicos de productos detallados para asegurar descripciones precisas y personalizadas

Una empresa está desarrollando un modelo de ML para predecir la pérdida de clientes. El modelo funciona bien en el conjunto de datos de entrenamiento, pero no predice con precisión la pérdida para nuevos datos. ¿Qué solución resolverá este problema?

• Disminuir el parámetro de regularización para aumentar la complejidad del modelo

• Aumentar el parámetro de regularización para disminuir la complejidad del modelo

• Agregar más características a los datos de entrada

• Entrenar el modelo durante más épocas

Una empresa está implementando agentes inteligentes para proporcionar experiencias de búsqueda conversacional a sus clientes. La empresa necesita un servicio de base de datos que soporte el almacenamiento y las consultas de incrustaciones de un modelo de IA generativa como vectores en la base de datos. ¿Qué servicio de AWS cumplirá con estos requisitos?

• Amazon Athena

• Amazon Aurora PostgreSQL

• Amazon Redshift

• Amazon EMR

Una institución financiera está construyendo una solución de IA para tomar decisiones de aprobación de préstamos utilizando un modelo de fundación (FM). Por razones de seguridad y auditoría, la empresa necesita que las decisiones de la solución de IA sean explicables. ¿Qué factor se relaciona con la explicabilidad de las decisiones de la solución de IA?

• Complejidad del modelo

• Tiempo de entrenamiento

• Número de hiperparámetros

• Tiempo de implementación

Una empresa farmacéutica quiere analizar las reseñas de los usuarios sobre nuevos medicamentos y proporcionar un resumen conciso para cada medicamento. ¿Qué solución cumple con estos requisitos?

• Crear un modelo de pronóstico de series temporales para analizar las reseñas de medicamentos utilizando Amazon Personalize

• Crear resúmenes de reseñas de medicamentos utilizando el modelo de lenguaje grande (LLMs) de Amazon Bedrock

• Crear un modelo de clasificación que categorice los medicamentos en diferentes grupos utilizando Amazon SageMaker

• Crear resúmenes de reseñas de medicamentos utilizando Amazon Rekognition

La empresa quiere construir una aplicación de priorización de leads para que sus empleados contacten a clientes potenciales. La aplicación debe dar a los empleados la capacidad de ver y ajustar los pesos asignados a diferentes variables en el modelo según el conocimiento y la experiencia del dominio. ¿Qué tipo de modelo de ML cumple con estos requisitos?

• Modelo de regresión logística

• Modelo de aprendizaje profundo construido sobre componentes principales

• Modelo de vecino más cercano (k-NN)

• Red neuronal

¿Qué estrategia determinará si un modelo de fundación (FM) cumple efectivamente con los objetivos comerciales?

• Evaluar el rendimiento del modelo en conjuntos de datos de referencia

• Analizar la arquitectura y los hiperparámetros del modelo

• Acceder a la alineación del modelo con los casos de uso específicos

• Medir los recursos computacionales requeridos para la implementación del modelo

Una empresa necesita entrenar un modelo de ML para clasificar imágenes de diferentes tipos de animales. La empresa tiene un gran conjunto de datos de imágenes etiquetadas y no etiquetará más datos. ¿Qué tipo de aprendizaje debería usar la empresa para entrenar el modelo?

¿Qué tipo de aprendizaje debería usar la empresa para entrenar el modelo?

• Aprendizaje supervisado

• Aprendizaje no supervisado

• Aprendizaje por refuerzo

• Aprendizaje activo