AWS Certified AI Practitioner (AIF-C01): примеры вопросов с ответами
20 примеров вопросов с правильными ответами и объяснениями. Вопросы взяты из банка и соответствуют формату экзамена.
Вопросы составлены на основе образцов, подготовленных специалистами в этой области, и соответствуют формату официального экзамена.
1. Why are documents split into chunks before embedding in a RAG pipeline?
- A) To reduce model size
- B) So relevant passages fit in the context window and retrieval is more precise
- C) To make them encrypted
- D) To delete them
Показать ответ и объяснение
Правильный ответ: B
Чтобы фрагменты помещались в контекст и поиск был точнее.
2. Semantic search differs from keyword search because it:
- A) Is always slower
- B) Cannot use vectors
- C) Only matches exact words
- D) Matches meaning using embeddings, not just exact words
Показать ответ и объяснение
Правильный ответ: D
Кратко: Ищет по смыслу через эмбеддинги. Это и есть верный ответ.
3. Extracting data from invoices and then summarising them would best combine:
- A) Amazon Forecast and Amazon Personalize
- B) Amazon Textract and a foundation model in Amazon Bedrock
- C) Amazon Rekognition and Amazon SQS
- D) Amazon Polly and Amazon Lex
Показать ответ и объяснение
Правильный ответ: B
Кратко: Textract и модель Bedrock. Это и есть верный ответ.
4. Which metric is commonly used to evaluate text summarisation?
- A) ROUGE
- B) Mean absolute error
- C) AUC
- D) RMSE
Показать ответ и объяснение
Правильный ответ: A
ROUGE сравнивает резюме с эталонным текстом.
5. When is human evaluation of model outputs most valuable?
- A) Only after deployment ends
- B) When judging qualities such as helpfulness, tone and accuracy that automatic metrics miss
- C) Never, metrics are enough
- D) Only for image models
Показать ответ и объяснение
Правильный ответ: B
Кратко: Для оценки полезности и тона. Это и есть верный ответ.
6. Asking the model to 'think step by step' is an example of:
- A) Fine-tuning
- B) Chain-of-thought prompting
- C) Tokenisation
- D) Prompt injection
Показать ответ и объяснение
Правильный ответ: B
Кратко: Цепочка рассуждений. Это и есть верный ответ.
7. Including several input–output examples in the prompt is:
- A) Distillation
- B) Zero-shot prompting
- C) Continued pre-training
- D) Few-shot prompting
Показать ответ и объяснение
Правильный ответ: D
Кратко: Промптинг с несколькими примерами.
8. Which AWS service can serve as a vector store for Knowledge Bases for Amazon Bedrock?
- A) AWS Lambda
- B) Amazon OpenSearch Serverless
- C) Amazon CloudFront
- D) Amazon SQS
Показать ответ и объяснение
Правильный ответ: B
Кратко: Amazon OpenSearch Serverless. Это и есть верный ответ.
9. Which Bedrock feature provides a managed RAG workflow over a company's documents?
- A) AWS Glue
- B) Bedrock Guardrails
- C) Knowledge Bases for Amazon Bedrock
- D) Amazon Polly
Показать ответ и объяснение
Правильный ответ: C
Кратко: Knowledge Bases for Amazon Bedrock.
10. Predicting whether an email is spam or not spam is a:
- A) Time-series forecast
- B) Clustering problem
- C) Regression problem
- D) Binary classification problem
Показать ответ и объяснение
Правильный ответ: D
Кратко: Бинарная классификация. Это и есть верный ответ.
11. Which tool lets business analysts build ML models without writing code?
- A) Amazon SageMaker Canvas
- B) Amazon EC2
- C) Amazon SageMaker Debugger
- D) AWS Lambda
Показать ответ и объяснение
Правильный ответ: A
Кратко: SageMaker Canvas. Это и есть верный ответ.
12. A fraud model flags 100 transactions, of which 80 are actually fraudulent. What is its precision?
- A) 80%
- B) Cannot be computed
- C) 100%
- D) 20%
Показать ответ и объяснение
Правильный ответ: A
Расчёт: 80 / 100 = 80%. Это и есть правильный ответ.
13. Grouping customers into segments without predefined labels is an example of:
- A) Supervised classification
- B) Regression
- C) Unsupervised learning (clustering)
- D) Reinforcement learning
Показать ответ и объяснение
Правильный ответ: C
Кратко: Кластеризация — обучение без учителя.
14. Predicting the price of a house from its features is a:
- A) Clustering problem
- B) Anomaly detection only
- C) Regression problem
- D) Classification problem
Показать ответ и объяснение
Правильный ответ: C
Кратко: Задача регрессии. Это и есть верный ответ.
15. Which step usually comes first when building a generative AI application?
- A) Deploy to production
- B) Buy GPUs
- C) Define the use case and success criteria
- D) Fine-tune a model
Показать ответ и объяснение
Правильный ответ: C
Кратко: Определить сценарий и критерии успеха.
16. An embedding is:
- A) A password
- B) A compressed image file
- C) A numerical vector that represents the meaning of text or other data
- D) A type of GPU
Показать ответ и объяснение
Правильный ответ: C
Кратко: Числовой вектор смысла. Это и есть верный ответ.
17. Which is a responsible AI consideration about sustainability?
- A) Ignoring energy use
- B) Always using the largest model
- C) Choosing efficient model sizes and infrastructure to reduce energy use
- D) Training repeatedly without need
Показать ответ и объяснение
Правильный ответ: C
Кратко: Эффективные модели и инфраструктура.
18. Which practice is part of good generative AI governance?
- A) Letting every team choose any tool without rules
- B) Defining approved use cases, data policies, roles and review processes
- C) Disabling audits
- D) Skipping risk assessment
Показать ответ и объяснение
Правильный ответ: B
Определение сценариев, политик, ролей и проверок.
19. Why is data lineage important for AI governance?
- A) It reduces token costs
- B) It shows where training data came from and how it was transformed, supporting audits
- C) It speeds up inference
- D) It replaces encryption
Показать ответ и объяснение
Правильный ответ: B
Показывает происхождение и преобразования данных.
20. Data poisoning is an attack in which:
- A) Malicious data is inserted into training data to corrupt model behaviour
- B) A model is copied
- C) A user forgets a password
- D) Prompts are encrypted
Показать ответ и объяснение
Правильный ответ: A
Кратко: Вредоносные данные в обучающем наборе.