Ngân hàng đề — AWS Certified AI Practitioner
Tìm thấy 623 câu.
A retail company is looking to enable its business analysts to leverage machine learning without needing extensive coding skills. The team wants to solve key business challenges such as demand forecasting and customer segmentation by using a tool that offers a visual, point-and-click interface, allowing them to build, train, and deploy machine learning models easily. To ensure the right solution is chosen, the company is evaluating AWS services that provide this capability.
What do you recommend?
-
A
Amazon SageMaker Clarify
-
B
Amazon SageMaker Canvas
-
C
Amazon SageMaker Data Wrangler
-
D
Amazon SageMaker Model Dashboard
Xem giải thích
Đáp án
B — Amazon SageMaker Canvas
Vì sao đúng
Đề nêu đúng ba dấu hiệu nhận dạng của Canvas: người dùng là chuyên viên phân tích nghiệp vụ (không phải kỹ sư), không cần biết lập trình, và cần giao diện trực quan bấm chọn để xây, huấn luyện và triển khai mô hình.
Canvas dựng cho đúng đối tượng đó: chọn nguồn dữ liệu, chọn cột cần dự đoán, bấm huấn luyện. Bên dưới nó vẫn dùng SageMaker Autopilot để thử nhiều thuật toán, nhưng người dùng không phải chạm tới.
Cả hai bài toán trong đề đều nằm trong tầm của nó: dự báo nhu cầu (dự đoán số) và phân khúc khách hàng (phân loại hoặc phân cụm).
Vì sao các phương án khác sai
- C. Data Wrangler — cũng có giao diện trực quan, nhưng chỉ để chuẩn bị dữ liệu; nó không huấn luyện hay triển khai mô hình. Đây là phương án nhiễu gần nhất.
- A. Clarify — phát hiện sai lệch và giải thích dự đoán.
- D. Model Dashboard — theo dõi các mô hình đã triển khai.
A social media company is implementing an AI-driven content recommendation system to enhance user engagement. During testing, the data science team notices that the AI suggests content differently based on user demographics, leading to concerns about whether the model is treating all users fairly. The team wants to ensure the system avoids any form of bias and complies with ethical AI standards. To better understand this issue, they need a clear example of algorithmic bias to recognize and address it in their system.
Which of the following scenarios best illustrates algorithmic bias?
-
A
A customer service representative resolves complaints based on their judgment rather than company policy
-
B
A weather prediction model occasionally makes incorrect forecasts due to random fluctuations in weather patterns
-
C
A human resources manager hires candidates based on personal interviews without considering their resumes
-
D
A hiring algorithm consistently prefers candidates from a particular gender, even though the candidates' qualifications are similar across genders
Xem giải thích
Đáp án
D — Thuật toán tuyển dụng liên tục ưu tiên ứng viên thuộc một giới tính, dù trình độ ngang nhau
Vì sao đúng
Ba yếu tố khiến đây là ví dụ chuẩn của sai lệch thuật toán:
- Do thuật toán gây ra, không phải do một người quyết định.
- Có hệ thống — chữ "liên tục" quan trọng: đó là mẫu hình lặp lại, không phải sai số ngẫu nhiên.
- Chênh lệch theo nhóm nhân khẩu trong khi các yếu tố liên quan (trình độ) là như nhau.
Nguyên nhân thường nằm ở dữ liệu lịch sử: nếu trước đây công ty tuyển chủ yếu một giới, mô hình học đúng mẫu hình đó và tái tạo lại. Nó không "biết phân biệt đối xử" — nó chỉ khớp với quá khứ.
Vì sao các phương án khác sai
- B. Mô hình dự báo thời tiết thỉnh thoảng sai do biến động ngẫu nhiên — đó là sai số ngẫu nhiên, không có hướng và không nhắm vào nhóm nào. Đây là phương án nhiễu chính, và điểm phân biệt là có hệ thống so với ngẫu nhiên.
- A. Nhân viên xử lý khiếu nại theo phán đoán riêng và C. Quản lý nhân sự tuyển theo phỏng vấn — là thiên kiến của con người, không phải sai lệch thuật toán. Chúng có thể là nguồn sinh ra dữ liệu lệch, nhưng bản thân chúng không do thuật toán gây ra.
A healthcare startup is developing a machine learning model to predict patient outcomes based on historical medical data. During the training process, the data science team notices signs of overfitting, where the model performs well on the training data but struggles with new, unseen data. To ensure the model generalizes effectively and avoids memorizing the training data, the team needs to implement strategies to prevent overfitting.
How can you prevent model-overfitting in machine learning?
-
A
By using techniques such as cross-validation, regularization, and pruning to simplify the model and improve its generalization
-
B
By avoiding any form of model validation or testing to prevent the model from learning incorrect patterns
-
C
By increasing the complexity of the model to ensure it captures all nuances in the training data
-
D
By only training the model on a small subset of the available data to reduce the amount of information it has to learn
Xem giải thích
Đáp án
A — Dùng kiểm định chéo (cross-validation), điều chuẩn (regularization) và cắt tỉa (pruning) để đơn giản hoá mô hình
Vì sao đúng
Quá khớp xảy ra khi mô hình học thuộc cả nhiễu của tập huấn luyện. Ba kỹ thuật trong phương án A đánh vào ba mặt khác nhau của vấn đề:
| Kỹ thuật | Làm gì |
|---|---|
| Cross-validation | Chia dữ liệu nhiều cách để phát hiện quá khớp sớm, thay vì tin vào một lần chia may rủi |
| Regularization | Phạt trọng số lớn, ép mô hình đơn giản hơn |
| Pruning | Cắt bớt nhánh cây quyết định chỉ khớp vài mẫu cá biệt |
Sợi chỉ chung là giảm độ phức tạp hiệu dụng của mô hình để nó học quy luật thay vì học từng mẫu.
Vì sao các phương án khác sai
- C. Tăng độ phức tạp để bắt hết sắc thái của dữ liệu huấn luyện — đó chính là cách tạo ra quá khớp, không phải cách chữa.
- D. Chỉ huấn luyện trên một phần nhỏ dữ liệu — ít dữ liệu làm quá khớp nặng thêm, vì càng dễ học thuộc.
- B. Tránh mọi hình thức kiểm định hoặc kiểm thử — bỏ đi đúng công cụ dùng để phát hiện vấn đề; quá khớp vẫn xảy ra, chỉ là bạn không biết.
A growing e-commerce company is considering migrating its infrastructure to the cloud to improve operational efficiency and scalability. The leadership team is evaluating the benefits of cloud computing, such as cost savings, flexibility, and enhanced collaboration, but wants to understand the specific advantages that cloud services can offer over traditional on-premises infrastructure.
Which of the following are the advantages of cloud computing? (Select three)
-
A
Benefit from massive economies of scale
-
B
Go global in minutes and deploy applications in multiple regions around the world with just a few clicks
-
C
Trade variable expense for capital expense
-
D
Allocate a few months of planning for your infrastructure capacity needs
-
E
Trade capital expense for variable expense
-
F
Spend money on building and maintaining data centers
Xem giải thích
Đáp án
A, B và E
Vì sao đúng
Ba lợi ích này nằm trong danh sách sáu lợi thế của điện toán đám mây mà AWS công bố:
- E. Đổi chi phí đầu tư cố định lấy chi phí biến đổi — không mua máy chủ trước, chỉ trả cho phần thật sự dùng.
- A. Hưởng lợi từ quy mô kinh tế khổng lồ — hàng trăm nghìn khách hàng dùng chung hạ tầng nên đơn giá thấp hơn tự vận hành.
- B. Vươn ra toàn cầu trong vài phút — triển khai ở nhiều khu vực chỉ bằng vài cú bấm.
Vì sao các phương án khác sai
Ba phương án còn lại đều là phiên bản đảo ngược của các lợi ích thật — đây là kiểu bẫy phổ biến trong đề AWS, phải đọc kỹ chiều của câu:
- C. Đổi chi phí biến đổi lấy chi phí đầu tư cố định — ngược hẳn với E.
- D. Dành vài tháng lập kế hoạch năng lực hạ tầng — chính là điều đám mây giúp bạn khỏi phải làm; lợi ích thật là "ngừng đoán năng lực".
- F. Chi tiền xây và duy trì trung tâm dữ liệu — lợi ích thật là "ngừng chi tiền cho việc vận hành trung tâm dữ liệu".
A company is using Amazon Bedrock and it wants to regulate the percentage of most-likely candidates considered for the next word in the model's output.
Which of the following inference parameters would you recommend for the given use case?
-
A
Top P
-
B
Top K
-
C
Temperature
-
D
Stop sequences
Xem giải thích
Đáp án
A — Top P
Vì sao đúng
Đề dùng đúng chữ "phần trăm" các ứng viên khả dĩ nhất. Top P — còn gọi là nucleus sampling — cắt theo tổng xác suất tích luỹ: đặt Top P = 0,9 nghĩa là xếp token theo xác suất giảm dần và lấy dần cho tới khi tổng đạt 90%.
Vì cắt theo tỷ lệ nên kích thước nhóm ứng viên tự co giãn: chỗ mô hình rất chắc chắn thì nhóm nhỏ lại, chỗ mơ hồ thì nhóm rộng ra.
Vì sao các phương án khác sai
-
B. Top K — cắt theo số lượng cố định. Đây là cặp bị hỏi đối chiếu liên tục:
Cắt theo Nhóm ứng viên Top P Phần trăm xác suất tích luỹ Co giãn theo ngữ cảnh Top K Số lượng cố định Luôn đúng K token -
C. Temperature — chỉnh độ ngẫu nhiên khi chọn trong nhóm, không quyết định nhóm gồm những ai.
-
D. Stop sequences — chuỗi ký tự khiến mô hình ngừng sinh.
A company has implemented a chatbot powered by Amazon Bedrock to handle customer inquiries and support requests. While the chatbot is effective at providing automated responses, the company has noticed that some of the replies do not consistently match its desired tone — professional, empathetic, and friendly. To maintain brand consistency and ensure a positive customer experience, the company needs to align the chatbot’s responses with its specific communication style and standards.
Which approach would be most effective for ensuring that the chatbot's responses are consistently aligned with the company's tone and style?
-
A
The company should iteratively test and adjust the chatbot prompts to ensure that its outputs consistently reflect the company's tone and style
-
B
The company should adjust the temperature to reduce the randomness and creativity of the chatbot’s responses
-
C
The company should set a low limit on the number of tokens, which restricts the length of the chatbot's responses, thereby making the chatbot’s responses consistent
-
D
The company should use batch inferencing, a method that processes multiple input requests in one go to make the chatbot’s responses consistent
Xem giải thích
Đáp án
A — Liên tục thử và tinh chỉnh prompt cho tới khi đầu ra phản ánh đúng giọng điệu và phong cách của công ty
Vì sao đúng
Vấn đề trong đề là giọng điệu và phong cách — chuyên nghiệp, đồng cảm, thân thiện. Đó là thứ phải mô tả bằng chữ trong prompt, không phải thứ chỉnh được bằng một con số.
Cách làm cụ thể: khai rõ vai trò và giọng điệu trong system prompt, kèm vài ví dụ mẫu về câu trả lời đạt chuẩn (few-shot), rồi đo và sửa dần. Đây cũng là biện pháp rẻ nhất và nhanh nhất — không huấn luyện lại gì.
Vì sao các phương án khác sai
- B. Giảm temperature — làm câu trả lời ổn định hơn, nhưng ổn định không có nghĩa là đúng giọng. Mô hình sẽ nhất quán ở đúng cái giọng sai. Đây là phương án nhiễu chính, và điểm phân biệt cần nhớ là: temperature chỉnh độ ngẫu nhiên, không chỉnh nội dung phong cách.
- C. Giới hạn số token — chỉ làm câu trả lời ngắn hơn.
- D. Batch inferencing — là cách xử lý nhiều yêu cầu một lượt, hoàn toàn không liên quan tới chất lượng giọng điệu.
A technology consulting firm is advising a client on the use of AI to enhance their business operations, particularly through the implementation of large-scale models that can handle diverse tasks such as text generation, image recognition, and natural language understanding. The firm is evaluating Foundation Models as a potential solution and wants to clarify their capabilities, including their ability to generalize across multiple domains and perform a wide range of tasks with minimal fine-tuning.
Which of the following options aptly summarizes the capabilities of Foundation Models?
-
A
Foundation models can perform a wide range of tasks across different domains by leveraging their extensive pre-training on large datasets
-
B
Foundation models can only perform a single task they were specifically trained for
-
C
Foundation models are limited to simple data processing tasks and cannot handle complex operations
-
D
Foundation models are designed to work exclusively with structured data and cannot process unstructured data like text or images
Xem giải thích
Đáp án
A — Foundation Model làm được nhiều nhiệm vụ ở nhiều lĩnh vực khác nhau, nhờ được huấn luyện trước trên khối dữ liệu rất lớn
Vì sao đúng
Đây chính là điều làm nên chữ "foundation" (nền tảng): mô hình được huấn luyện trước một lần với chi phí khổng lồ, rồi một mô hình đó phục vụ rất nhiều nhiệm vụ — tóm tắt, dịch, phân loại, viết mã, hỏi đáp.
Khác biệt so với thế hệ trước rất lớn:
| Mô hình truyền thống | Foundation Model | |
|---|---|---|
| Phạm vi | Một nhiệm vụ, một mô hình | Nhiều nhiệm vụ, một mô hình |
| Cần gì để dùng việc mới | Huấn luyện lại từ đầu | Thường chỉ cần đổi prompt |
| Dữ liệu có nhãn | Bắt buộc, số lượng lớn | Ít hoặc không cần |
Vì sao các phương án khác sai
- B. Chỉ làm được đúng một nhiệm vụ đã huấn luyện — mô tả mô hình chuyên biệt truyền thống, ngược hẳn với đặc điểm định danh của FM.
- C. Chỉ xử lý được tác vụ đơn giản — sai; chúng làm được suy luận nhiều bước và sinh nội dung phức tạp.
- D. Chỉ làm việc với dữ liệu có cấu trúc — ngược hoàn toàn: thế mạnh của FM chính là dữ liệu phi cấu trúc như văn bản và hình ảnh.
A company is using the Amazon Titan Text model with Amazon Bedrock.
In which of the following scenarios is the model most likely to hallucinate?
-
A
When temperature is set to 0
-
B
Temperature has no impact on hallucinations
-
C
When temperature is set to 0.5
-
D
When temperature is set to 1
Xem giải thích
Đáp án
D — Khi temperature đặt bằng 1
Vì sao đúng
Temperature điều chỉnh độ ngẫu nhiên khi mô hình chọn token kế tiếp, và càng ngẫu nhiên thì càng dễ ảo giác:
| Temperature | Mô hình chọn thế nào | Nguy cơ ảo giác |
|---|---|---|
| 0 | Gần như luôn lấy token xác suất cao nhất; kết quả lặp lại được | Thấp nhất |
| 0,5 | Có ngẫu nhiên vừa phải | Trung bình |
| 1 | Token xác suất thấp vẫn có cơ hội được chọn | Cao nhất |
Cơ chế rất trực tiếp: temperature cao làm phẳng phân bố xác suất, nên những token kém khả năng đúng vẫn lọt vào. Chọn phải một token như vậy giữa câu, mô hình sẽ tiếp tục xây tiếp trên nền sai đó cho mạch lạc — và thành ra một câu trả lời trôi chảy mà sai sự thật.
Vì sao các phương án khác sai
- A. Temperature = 0 — ngược lại, đây là thiết lập giảm ảo giác nhiều nhất, nên hay dùng cho trích xuất dữ liệu và hỏi đáp dựa trên tài liệu.
- C. Temperature = 0,5 — có nguy cơ, nhưng thấp hơn mức 1.
- B. Temperature không ảnh hưởng tới ảo giác — sai; nó là một trong những núm chỉnh trực tiếp nhất.
Lưu ý
Temperature thấp giảm ảo giác chứ không loại bỏ. Nếu bản thân mô hình không biết câu trả lời, nó vẫn bịa ra một cách rất tự tin — chỉ là bịa nhất quán hơn. Muốn chặn thật thì phải dùng RAG.
A telecom company is seeking to improve the efficiency and effectiveness of its customer service operations by integrating generative AI. The goal is to equip customer service agents with AI-driven tools that can assist in generating accurate, context-aware responses to customer inquiries, offer real-time suggestions, and help automate routine tasks. The company is evaluating several generative AI solutions to determine which one best fits their need for enhancing customer service interactions.
Which of the following is the best fit for this use case?
-
A
Amazon Q Developer
-
B
Amazon Q Business
-
C
Amazon Q in QuickSight
-
D
Amazon Q in Connect
Xem giải thích
Đáp án
D — Amazon Q in Connect
Vì sao đúng
Đề mô tả đúng bối cảnh trung tâm chăm sóc khách hàng: hỗ trợ nhân viên tổng đài tạo câu trả lời chính xác theo ngữ cảnh, gợi ý theo thời gian thực, và tự động hoá việc lặp lại.
Amazon Q in Connect là bản Q nhúng trong Amazon Connect — dịch vụ trung tâm liên lạc của AWS. Nó nghe cuộc gọi đang diễn ra, hiểu ý khách hàng, rồi hiện gợi ý và bài viết liên quan ngay trên màn hình nhân viên mà không cần ai đi tìm.
Vì sao các phương án khác sai
Cả bốn phương án đều là Q, nên phải phân biệt theo ngữ cảnh nhúng:
| Biến thể | Dành cho |
|---|---|
| A. Q Developer | Lập trình viên — viết mã, hiểu hạ tầng AWS |
| B. Q Business | Nhân viên nói chung — hỏi đáp trên tài liệu nội bộ |
| C. Q in QuickSight | Người phân tích — hỏi dữ liệu bằng ngôn ngữ tự nhiên |
| D. Q in Connect | Nhân viên tổng đài — gợi ý theo thời gian thực |
Q Business là phương án nhiễu gần nhất vì nó cũng trả lời được câu hỏi từ tài liệu, nhưng nó không theo dõi cuộc gọi đang diễn ra để gợi ý ngay lúc đó.
A software development company is exploring Amazon Q Developer to enhance its internal tools and workflows. The company is particularly interested in leveraging the platform's capabilities to automate code generation, improve task automation, and integrate machine learning features into its applications. To understand how Amazon Q Developer can support these objectives, the development team needs a clear overview of its core functionalities.
Which of the following represents the capabilities of Amazon Q Developer? (Select two)
-
A
Understand and manage your cloud infrastructure on AWS
-
B
Deploy your cloud infrastructure on AWS
-
C
Visualize your AWS account-specific cost-related data in Amazon Q Developer
-
D
Modify your AWS resources to achieve cost-optimization
-
E
Get answers to your AWS account-specific cost-related questions using natural language
Xem giải thích
Đáp án
A và E
Vì sao đúng
- A. Hiểu và quản lý hạ tầng đám mây trên AWS — Q Developer trả lời được câu hỏi về chính tài nguyên trong tài khoản bạn: có bao nhiêu instance EC2, cấu hình security group ra sao.
- E. Hỏi về chi phí của tài khoản bằng ngôn ngữ tự nhiên — hỏi kiểu "tháng trước tôi tốn bao nhiêu cho S3" và nhận câu trả lời, không phải tự dựng báo cáo trong Cost Explorer.
Sợi chỉ chung của hai năng lực đúng: Q Developer hiểu và trả lời.
Vì sao các phương án khác sai
Ranh giới cần nhớ là Q Developer trả lời, chứ không tự ra tay thay đổi tài nguyên:
- B. Triển khai hạ tầng lên AWS — nó viết được mã IaC cho bạn, nhưng việc triển khai vẫn do bạn thực hiện.
- D. Sửa tài nguyên AWS để tối ưu chi phí — nó gợi ý chỗ tối ưu, không tự sửa. Tự ý đổi tài nguyên sản xuất là điều không dịch vụ nào nên làm.
- C. Trực quan hoá dữ liệu chi phí trong Q Developer — Q trả lời bằng chữ; phần biểu đồ thuộc về Cost Explorer hoặc QuickSight.