出題範囲
- Data Preparation for Machine Learning (ML)
- ML Model Development
- Deployment and Orchestration of ML Workflows
- ML Solution Monitoring, Maintenance, and Security
例題に挑戦
スキルサートのAIが生成した演習問題のサンプルです。アプリでは毎週新しい問題が追加されます。
例題1
機械学習エンジニアが、Amazon SageMaker を使用して深層学習モデルのハイパーパラメータ最適化 (HPO) を計画しています。予算が限られており、計算リソースの浪費を抑えるために、パフォーマンスの低いトライアルを早期に終了させたいと考えています。また、限られた時間内で最も効率的に最適なパラメータセットを見つける必要があります。どの設定を使用すべきですか。
- ランダム検索戦略を適用し、すべてのトライアルを最後まで実行する
- Hyperband 戦略を有効にして、リソースを効率的に割り当て不適切な試行を停止する
- SageMaker のデフォルト設定である手動検索（Manual Search）を使用する
- グリッド検索戦略を使用して、定義されたすべての組み合わせを網羅的にテストする
- ベイズ最適化を選択し、早期終了（Early Stopping）を無効にして精度を優先する
解答と解説を見る
正解: Hyperband 戦略を有効にして、リソースを効率的に割り当て不適切な試行を停止する
正解は「Hyperband 戦略を有効にして、リソースを効率的に割り当て不適切な試行を停止する」です。Hyperband は、反復的なアルゴリズムにおいて、有望でないハイパーパラメータの組み合わせを早期に特定して終了させる（Early Stopping）機能を提供し、限られた予算と時間で効率的に最適化を行います。「ランダム検索」や「グリッド検索」は、すべての組み合わせを同等に扱うため、リソースの効率性が低くなります。「ベイズ最適化」も強力ですが、早期終了を無効にするとリソースを浪費します。「手動検索」は大規模な最適化には不向きです。
例題2
あるデータサイエンティストが、Amazon SageMaker で畳み込みニューラルネットワーク (CNN) をトレーニングしています。トレーニング中、検証誤差 (validation loss) が減少しなくなり、モデルが過学習（Overfitting）の兆候を示しているかどうかをリアルタイムで監視し、勾配の消失などの問題が発生した際にアラートを受け取りたいと考えています。この要件を満たすために使用すべき機能はどれですか。
- Amazon SageMaker Clarify
- Amazon SageMaker Model Monitor
- Amazon SageMaker Ground Truth
- Amazon SageMaker Debugger
- Amazon SageMaker Inference Recommender
解答と解説を見る
正解: Amazon SageMaker Debugger
正解は「Amazon SageMaker Debugger」です。SageMaker Debugger はトレーニング中の内部状態（テンソル）をリアルタイムで取得し、過学習、勾配の消失、重みの初期化不良などを自動的に検出して通知する機能を提供します。「Clarify」はデータのバイアス検出やモデルの説明性のためのツールです。「Model Monitor」はデプロイ後の推論エンドポイントにおけるデータのドリフトを監視するもので、トレーニングフェーズ向けではありません。「Ground Truth」はデータのラベル付けツールであり、「Inference Recommender」は推論インスタンスの選択を支援するツールです。
AWS Certified Machine Learning Engineer – Associate (MLA-C01)の対策はアプリで
AIが毎週生成する新作問題・ランクマッチ・週次ランキング・AI診断で「続けられる」資格学習を。無料で始められます。
