Font size
WorksheetsAI quiz 2
Total questions: 22
Worksheet time: 11mins
Una empresa quiere hacer un chatbot para ayudar a los clientes. El chatbot ayudará a resolver problemas técnicos sin intervención humana. La empresa eligió un modelo base (FM) para el chatbot. El chatbot necesita producir respuestas que se adhieran al tono de la empresa. ¿Qué solución cumple con estos requisitos?
Establecer un límite bajo en el número de tokens que el FM puede producir
Usar inferencia por lotes para procesar respuestas detalladas
Experimentar y refinar el aviso hasta que el FM produzca las respuestas deseadas
Definir un número más alto para el parámetro de temperatura
Una empresa quiere usar un modelo de lenguaje grande (LLM) en Amazon Bedrock para análisis de sentimientos. La empresa quiere clasificar el sentimiento de pasajes de texto como positivo o negativo. ¿Qué estrategia de ingeniería de aviso cumple con estos requisitos?
Proporcionar ejemplos de pasajes de texto con etiquetas positivas o negativas correspondientes en el aviso seguidos del nuevo pasaje de texto a clasificar.
Proporcionar una explicación detallada del análisis de sentimientos y cómo funcionan los LLM en el aviso
Proporcionar el nuevo pasaje de texto a clasificar sin ningún contexto o ejemplos adicionales
Proporcionar el nuevo pasaje de texto con algunos ejemplos de tareas no relacionadas como resumen de texto o respuesta a preguntas
Una empresa de seguridad está utilizando Amazon Bedrock para ejecutar modelos base (FMS). La empresa quiere asegurarse de que solo los usuarios autorizados invoquen los modelos. La empresa necesita identificar cualquier intento de acceso no autorizado para establecer políticas y reglas adecuadas de gestión de identidad y acceso (IAM) de AWS para futuras iteraciones de los FMs. ¿Qué servicio de AWS debería usar la empresa para identificar a los usuarios no autorizados que intentan acceder a Amazon Bedrock?
AWS Audit Manager
AWS Cloud Trail
Amazon Fraud Detector
AWS Trusted Advisor
Una empresa ha desarrollado un modelo de ML para clasificación de imágenes. La empresa quiere implementar el modelo en producción para que una aplicación web pueda usar el modelo. La empresa necesita implementar una solución para alojar el modelo y servir predicciones sin gestionar ninguna de la infraestructura subyacente. ¿Qué solución cumplirá con estos requisitos?
Usar Amazon SageMaker Serverless inference para desplegar el modelo
Usar Amazon CloudFront para desplegar el modelo.
Usar Amazon API gateway para alojar el modelo y servir predicciones
Usar AWS batch para alojar el modelo y servir
Una empresa de IA evalúa periódicamente sus sistemas y procesos con la ayuda de un proveedor de software independiente (ISVs). La empresa necesita recibir notificaciones por correo electrónico cuando los informes de cumplimiento de los ISVs estén disponibles. ¿Qué servicio de AWS puede usar la empresa para cumplir con estos requisitos?
AWS Audit Manager
AWS Artifact
AWS Trusted advisor
AWS Data Exchange
Una empresa quiere usar un modelo de lenguaje grande (LLM) para desarrollar un agente conversacional. La empresa necesita evitar que el LLM sea manipulado con técnicas comunes de ingeniería de aviso para realizar acciones indeseables o exponer información sensible. ¿Qué acción reducirá estos riesgos?
Crear una plantilla de aviso que enseñe al LLM a detectar patrones de ataque
Aumentar el parámetro de temperatura en las solicitudes de invocación al LLM
Evitar usar LLM que no están listados en Amazon SageMaker
Disminuir el número de tokens de entrada en la invocación del LLM
Una empresa está utilizando la Matriz de Alcance de Seguridad de IA generativa para evaluar las responsabilidades de seguridad de sus soluciones. La empresa ha identificado 4 diferentes alcances de solución basados en la matriz. ¿Qué alcance de solución le da a la empresa la mayor propiedad de las responsabilidades de seguridad?
Usar una aplicación empresarial de terceros que tiene características de IA generativa integradas.
Construir una aplicación utilizando un modelo base de IA generativa de terceros existente (FM)
Refinar un modelo base de IA generativa de terceros existente (FM) afinando el modelo utilizando datos específicos del negocio
Construir y entrenar un modelo de IA generativa desde cero utilizando datos específicos que un cliente posee.
Un practicante de IA tiene una base de datos de fotos de animales. El practicante de IA quiere identificar y categorizar automáticamente los animales en las fotos sin esfuerzo humano manual. ¿Qué estrategia cumple con estos requisitos?
Detección de objetos
Detección de anomalías
Reconocimiento de entidades nombradas
Inpainting
Una empresa quiere crear una aplicación utilizando Amazon Bedrock. La empresa tiene un presupuesto limitado y prefiere flexibilidad sin compromiso a largo plazo. ¿Qué modelo de precios de Amazon Bedrock cumple con estos requisitos?
A demanda
Personalización del modelo
Rendimiento provisionado
Instancia de Spot
¿Qué servicio o característica de AWS puede ayudar a un equipo de desarrollo de IA a desplegar y consumir rápidamente un modelo base (FM) dentro de la VPC del equipo?
Amazon Personalize
Amazon SageMa
¿Qué servicio o característica de AWS puede ayudar a un equipo de desarrollo de IA a implementar y consumir rápidamente un modelo base (FM) dentro de la VPC del equipo?
Amazon Personalize
Amazon SageMaker Jump Start
PartyRock, un Playground de Amazon Bedrock
Amazon SageMaker y puntos
¿Cómo pueden las empresas utilizar modelos de lenguaje grande (LLMs) de manera segura en Amazon Bedrock?
Diseñar indicaciones claras y específicas, configurar reglas y políticas de AWS Identity Access Management (IAM) utilizando acceso de privilegio mínimo
Habilitar AWS Audit Manager para trabajos de evaluación automática de modelos
Habilitar trabajos de evaluación automática de modelos de Amazon Bedrock
Usar registros de Amazon CloudWatch para hacer que el modelo sea explicable y monitorear sesgos
Una empresa tiene terabytes de datos en una base de datos que puede utilizar para análisis de negocios. La empresa quiere construir una aplicación basada en IA que pueda construir una consulta SQL a partir del texto de entrada que proporcionan los empleados. Los empleados tienen experiencia mínima con tecnología. ¿Qué solución cumple con estos requisitos?
Transformadores de preentrenamiento generativo (GPT)
Red neuronal residual
Máquina de soporte vectorial
Red de ondas
Una empresa construyó un modelo de aprendizaje profundo para la detección de objetos y desplegó el modelo en producción. ¿Qué proceso de IA ocurre cuando el modelo analiza una nueva imagen para identificar objetos?
Entrenamiento
Inferencia
Despliegue del modelo
Corrección de sesgos
Un practicante de IA está construyendo un modelo para generar imágenes de humanos en diversas profesiones. El practicante de IA descubrió que los datos de entrada están sesgados y que atributos específicos afectan la generación de imágenes y crean sesgos en el modelo. ¿Qué técnica resolverá el problema?
Aumento de datos para clases desequilibradas
Monitoreo del modelo para distribución de clases
Generación aumentada por recuperación (RAG)
Detección de marcas de agua para imágenes
Una empresa está implementando el Modelo de Fundación Amazon Titan (FM) utilizando Amazon Bedrock. La empresa necesita complementar el modelo utilizando datos relevantes de la fuente de datos privada de la empresa. ¿Qué solución cumplirá con este requisito?
Usar un FM diferente
Elegir un valor de temperatura más bajo
Crear una base de conocimientos de Amazon Bedrock
Habilitar el registro de invocaciones
Una empresa médica está personalizando un modelo de fundación (FM) para fines de diagnóstico. La empresa necesita que el modelo sea transparente y explicable para cumplir con los requisitos regulatorios. ¿Qué solución cumplirá con estos requisitos?
Configurar la seguridad y el cumplimiento utilizando Amazon Inspector
Generar informes de métricas simples y ejemplos utilizando Amazon SageMaker Clarify
Cifrar y asegurar los datos de entrenamiento utilizando Amazon Macie
Recopilar más datos. Usar Amazon Rekognition para agregar etiquetas personalizadas a los datos
Una empresa quiere desplegar un chatbot conversacional para responder preguntas de clientes. El chatbot se basa en un modelo de Amazon SageMaker JumpStart afinado. La aplicación debe cumplir con múltiples marcos regulatorios. ¿Qué capacidades puede mostrar la empresa para cumplir con la normativa? (elija dos)
Puntos finales de inferencia de escalado automático
Detección de amenazas
Protección de datos
Optimización de costos
Microservicios desacoplados
Una empresa está entrenando un modelo de fundación (FM). La empresa quiere aumentar la precisión del modelo hasta un nivel de aceptación específico. ¿Qué solución cumplirá con estos requisitos?
Disminuir el tamaño del lote
Aumentar las épocas
Disminuir la epoxi
Aumentar el parámetro de temperatura
Una empresa está construyendo un chatbot de preguntas y respuestas de modelo de lenguaje grande (LLM). La empresa quiere disminuir el número de acciones que los empleados del centro de llamadas necesitan realizar para responder a las preguntas de los clientes. ¿Qué objetivo comercial debería utilizar la empresa para evaluar el efecto del chatbot LLM?
Tasa de participación del sitio web
Duración promedio de la llamada
Responsabilidad social corporativa
Cumplimiento regulatorio
¿Qué funcionalidad proporciona Amazon SageMaker Clarify?
Integra el flujo de trabajo de Generación Aumentada por Recuperación (RAG)
Monitorea la calidad de los modelos de ML en producción
Documenta detalles críticos sobre modelos de ML
Identifica sesgos potenciales durante la preparación de datos
Una empresa está desarrollando un nuevo modelo para predecir los precios de artículos específicos. El modelo funcionó bien en el conjunto de datos de entrenamiento. Cuando la empresa desplegó el modelo en producción, el rendimiento del modelo disminuyó significativamente. ¿Qué debería hacer la empresa para mitigar este problema?
Reducir el volumen de datos que se utiliza en el entrenamiento
Agregar hiperparámetros al modelo
Aumentar el volumen de datos que se utiliza en el entrenamiento
Aumentar el tiempo de entrenamiento del modelo
