問題：51
一家公司希望使用 Amazon Bedrock 和上傳到 Amazon S3 的客戶資料來開發大型語言模型 (LLM) 應用程式。該公司的安全政策規定，每個團隊只能存取該團隊自己的客戶資料。
哪種解決方案將滿足這些要求？A. 為每個團隊建立一個 Amazon Bedrock 自訂服務角色，該角色只能存取該團隊的客戶資料。
B. 建立一個具有 Amazon S3 存取權限的自訂服務角色。要求團隊在每個 Amazon Bedrock 請求中指定客戶名稱。
C. 編輯 Amazon S3 中的個人資料。更新 S3 儲存貯體政策以允許團隊存取客戶資料。
D. 建立一個具有完整 Amazon S3 存取權限的 Amazon Bedrock 角色。為每個團隊建立 IAM 角色，該角色只能存取每個團隊的客戶資料夾。
答案：A
問題：52
一家公司希望使用 Amazon Bedrock 上的大型語言模型 (LLM) 進行情感分析。該公司希望知道一個提示中可以容納多少資訊。
哪個考量將影響公司的決策？
A. 溫度
B. 上下文視窗
C. 批次大小
D. 模型大小
答案：B
問題：53
一位 AI 從業人員建立了一個深度學習模型，用於分類圖像中的材料類型。這位 AI 從業人員現在希望衡量模型效能。
哪個指標將幫助這位 AI 從業人員評估模型的效能？
A. 混淆矩陣
B. 相關性矩陣
C. R2 分數
D. 均方誤差 (MSE)
答案：A
問題：54
一位 AI 從業人員希望使用基礎模型 (FM) 來設計一個搜尋應用程式。搜尋應用程式必須處理包含文本和圖像的查詢。
這位 AI 從業人員應該使用哪種類型的 FM 來驅動搜尋應用程式？
A. 多模態嵌入模型
B. 文本嵌入模型
C. 多模態生成模型
D. 圖像生成模型
答案：A
問題：55
一家公司有數 TB 的資料庫中的歸檔資料，公司可以用於業務分析。該公司必須對大小達數 GB 的大型資料集執行推論。該公司不需要立即存取模型預測。
哪種 Amazon SageMaker 推論選項將滿足這些要求？
A. 批次轉換
B. 即時推論
C. 無伺服器推論
D. 異步推論
答案：A
問題：56
一家公司需要從 Amazon Bedrock 中選擇一個模型供內部使用。該公司必須識別一個能夠生成符合公司員工偏好風格的回應的模型。
該公司應該怎麼做才能滿足這些要求？
A. 使用內建提示資料集來評估模型。
B. 使用人工工作者和自訂提示資料集來評估模型。
C. 使用公開模型排行榜來識別模型。
D. 在嘗試模型時，使用 Amazon CloudWatch 中的模型呼叫延遲執行時間指標。
答案：B
問題：57
一家公司正在評估其解決方案時，使用生成式 AI 安全範圍矩陣。該公司已根據矩陣識別出四種不同的解決方案範圍。
哪種解決方案範圍賦予公司對安全責任的最大擁有權？
A. 使用嵌入生成式 AI 功能的第三方企業應用程式。
B. 使用現有的第三方生成式 AI 基礎模型 (FM) 建立應用程式。
C. 透過使用業務特定資料微調模型，來精煉現有的第三方生成式 AI 基礎模型 (FM)。
D. 使用客戶擁有的特定資料從頭開始建立和訓練生成式 AI 模型。
答案：D
問題：58
一家公司在生產環境中使用 Amazon SageMaker 進行機器學習管線。該公司有高達 1 GB 的大型輸入資料，處理時間長達 1 小時。該公司需要近即時延遲。
哪種 SageMaker 推論選項滿足這些要求？
A. 即時推論
B. 無伺服器推論
C. 異步推論
D. 批次轉換
答案：C
問題：59
一家公司希望使用語言模型在邊緣設備上創建一個應用程式進行推論。推論必須具有盡可能低的延遲。
哪種解決方案將滿足這些要求？
A. 在邊緣設備上部署優化的小型語言模型 (SLM)。
B. 在邊緣設備上部署優化的大型語言模型 (LLM)。
C. 整合一個用於與邊緣設備進行非同步通訊的集中式小型語言模型 (SLM) API。
D. 整合一個用於與邊緣設備進行非同步通訊的集中式大型語言模型 (LLM) API。
答案：A
問題：60
一家公司正在建立一個聯絡中心應用程式，並希望從客戶對話中獲得洞察。該公司希望分析並從客戶通話的音訊中提取關鍵資訊。
哪種解決方案滿足這些要求？
A. 使用 Amazon Lex 建立對話式聊天機器人。
B. 使用 Amazon Transcribe 轉錄通話錄音。
C. 使用 Amazon SageMaker Model Monitor 從通話錄音中提取資訊。
D. 使用 Amazon Comprehend 建立分類標籤。
答案：B
