Ngân hàng đề — AWS Certified Machine Learning Engineer Associate

Tìm thấy 635 câu.

Câu 441 Deployment and Orchestration of ML Workflows

An organization is deploying a machine learning model to edge devices with limited computing resources. They want to optimize the model to reduce resource usage without compromising accuracy. Which AWS service should they use to achieve this optimization?

  1. A

    Amazon SageMaker Real-Time Inference Endpoint
  2. B

    Amazon SageMaker Neo
  3. C

    AWS IoT Greengrass
  4. D

    Amazon SageMaker Batch Transform
Xem giải thích

Đáp án

B — Amazon SageMaker Neo

Vì sao đúng

Neo biên dịch mô hình đã huấn luyện cho kiến trúc cụ thể của thiết bị đích: tối ưu đồ thị tính toán, gộp phép tính, sinh mã riêng cho chip đó. Nhờ vậy mô hình chạy nhanh hơn và chiếm ít bộ nhớ hơn mà không đổi kiến trúc, nên độ chính xác giữ nguyên — đúng yêu cầu "giảm tài nguyên mà không hy sinh chất lượng".

Vì sao các phương án khác sai

  • A. Real-Time Inference Endpoint — phục vụ suy luận trên đám mây, không phải trên thiết bị biên.
  • C. AWS IoT Greengrass — là nơi chạy mô hình trên thiết bị biên và lo phần triển khai; nó bổ sung cho Neo chứ không tối ưu mô hình.
  • D. Batch Transform — chạy suy luận theo lô trên đám mây.
Câu 442 Deployment and Orchestration of ML Workflows

A financial institution wants to deploy a machine learning model that provides fraud detection in real time. Traffic to the model is highly variable, with periods of high activity followed by periods of low or no activity. The institution needs a cost-effective and scalable solution that adjusts to these traffic patterns.

Which deployment option should they choose in Amazon SageMaker?

  1. A

    Real-Time Inference Endpoint
  2. B

    Batch Transform
  3. C

    Serverless Inference
  4. D

    Asynchronous Inference
Xem giải thích

Đáp án

C — Serverless Inference

Vì sao đúng

Đề nêu tải biến động mạnh, có lúc gần như không có yêu cầu nào. Serverless Inference co giãn theo lưu lượng và về 0 khi rảnh, chỉ tính tiền theo thời gian xử lý — nên không phải trả cho công suất nằm không giữa các đợt cao điểm.

Cần cân nhắc: nếu hệ thống phát hiện gian lận đòi độ trễ ổn định tuyệt đối cho mọi yêu cầu thì khởi động nguội là điểm trừ, và lúc đó endpoint thường kèm tự co giãn sẽ hợp hơn.

Vì sao các phương án khác sai

  • A. Real-Time Endpoint — độ trễ ổn định nhất nhưng trả tiền liên tục kể cả lúc vắng.
  • B. Batch Transform — theo lô, không dùng được cho phát hiện gian lận thời gian thực.
  • D. Asynchronous Inference — cho payload lớn hoặc xử lý lâu; ở đây cần trả lời ngay.
Câu 443 Chọn nhiều đáp án Deployment and Orchestration of ML Workflows

A retail company is using Amazon SageMaker for customer recommendations. The company’s model requires low-latency responses to provide real-time product recommendations based on user interactions. They also need to monitor the model to detect data drift and quality drift over time to maintain recommendation accuracy.

Which of the following steps should they take to ensure both low-latency inference and model monitoring? (Choose TWO.)

  1. A

    Deploy the model using a real-time inference endpoint for low-latency responses.
  2. B

    Use SageMaker Serverless Inference to handle traffic spikes and save costs.
  3. C

    Set up SageMaker Model Monitor to detect data and quality drift on the deployed endpoint.
  4. D

    Use Batch Transform to periodically update recommendations for all users.
  5. E

    Enable SageMaker Neo to enhance model performance for edge deployment.
Xem giải thích

Đáp án

A và C — triển khai bằng endpoint thời gian thực, và bật Model Monitor

Vì sao đúng

Hai mặt của một hệ gợi ý chạy sản xuất:

  • A. Endpoint thời gian thực — mô hình luôn nạp sẵn trong bộ nhớ nên độ trễ thấp và ổn định, không có khởi động nguội. Đó là điều kiện khi trang web đang chờ để hiển thị gợi ý.
  • C. Model Monitor — hành vi mua sắm đổi theo mùa và theo xu hướng, nên phải theo dõi trôi dữ liệu và trôi chất lượng để biết khi nào cần huấn luyện lại.

Vì sao các phương án khác sai

  • B. Serverless Inference — tiết kiệm khi tải thưa, nhưng khởi động nguội không hợp với yêu cầu độ trễ thấp của đề.
  • D. Batch Transform cập nhật định kỳ — gợi ý sẽ cũ, không phản ánh hành vi trong phiên.
  • E. Neo cho thiết bị biên — đề không triển khai lên thiết bị biên nào.
Câu 444 Deployment and Orchestration of ML Workflows

A tech company wants to deploy a machine learning model for processing large video files. The model processes each video file individually and does not require real-time responses. The company wants to minimize costs by only paying for compute when processing files and scale resources based on demand.

Which SageMaker deployment option should they choose?

  1. A

    Real-Time Inference Endpoint
  2. B

    Batch Transform
  3. C

    Serverless Inference
  4. D

    Asynchronous Inference
Xem giải thích

Đáp án

D — Asynchronous Inference

Vì sao đúng

Ba đặc điểm của bài toán khớp đúng với suy luận bất đồng bộ: payload lớn (tệp video), thời gian xử lý dài, và không cần trả lời tức thì. Client gửi yêu cầu và nhận về ngay một mã; SageMaker xếp hàng, xử lý xong thì ghi kết quả ra S3 và báo qua SNS. Endpoint cũng thu về 0 khi hàng đợi rỗng, nên không trả tiền lúc rảnh.

Vì sao các phương án khác sai

  • A. Real-Time Endpoint — có trần kích thước payload và trần thời gian xử lý; video lớn sẽ vượt cả hai.
  • C. Serverless Inference — cũng vướng các trần đó, và không hợp với xử lý kéo dài.
  • B. Batch Transform — hợp khi xử lý cả một tập tệp một lượt; đề nói xử lý từng tệp khi nó được gửi tới.
Câu 445 Deployment and Orchestration of ML Workflows

An e-commerce company wants to integrate Amazon Bedrock to enhance its customer support system with a generative AI chatbot. The company expects usage to fluctuate significantly, with peak usage during holiday sales and lower usage during off-peak times. They also want to avoid managing infrastructure manually.
Which Amazon Bedrock feature will best support these requirements?

  1. A

    Foundation models with fine-tuning capabilities
  2. B

    Provisioned throughput mode for predictable traffic
  3. C

    Serverless environment with automatic scaling
  4. D

    Knowledge bases to enhance model responses
Xem giải thích

Đáp án

C — Môi trường không máy chủ với tự co giãn

Vì sao đúng

Điều kiện quyết định là lưu lượng dao động mạnh. Bedrock ở chế độ không máy chủ tự bám theo số yêu cầu và tính tiền theo token thật sự dùng, nên lúc vắng khách gần như không tốn. Không phải đoán trước quy mô, không phải cấp phát gì.

Vì sao các phương án khác sai

  • B. Provisioned throughput cho lưu lượng đoán được — nói thẳng trong tên phương án là dành cho tải ổn định; ở đây tải không ổn định nên sẽ trả tiền cho phần dư.
  • A. Tinh chỉnh mô hình nền — là tính năng có thật và hữu ích, nhưng không giải quyết bài toán co giãn.
  • D. Knowledge base — cải thiện chất lượng câu trả lời, cũng không liên quan tới co giãn.
Câu 446 ML Solution Monitoring, Maintenance, and Security

A financial institution wants to detect fraudulent activities in real time to protect against payment fraud and account takeovers. They plan to use Amazon Fraud Detector for this purpose and need to automatically assess each transaction based on its risk level.
Which step in Amazon Fraud Detector’s workflow directly identifies transactions that are likely to be fraudulent?

  1. A

    Feature engineering to prepare data features
  2. B

    Real-time evaluation using fraud score
  3. C

    Model deployment to a production environment
  4. D

    Data ingestion of historical transaction data
Xem giải thích

Đáp án

B — Đánh giá theo thời gian thực bằng điểm gian lận

Vì sao đúng

Đề nhấn mạnh phát hiện theo thời gian thực, và đó đúng là khâu chấm điểm: mỗi giao dịch hoặc mỗi lần đăng nhập được gửi tới Fraud Detector, nhận về một điểm rủi ro trong vài chục mili giây, rồi các quy tắc bạn khai quyết định cho qua, giữ lại xem xét hay chặn ngay.

Vì sao các phương án khác sai

  • A. Kỹ thuật đặc trưng và D. Nạp dữ liệu lịch sử — đều là bước chuẩn bị trước khi huấn luyện, diễn ra một lần chứ không phải lúc phát hiện.
  • C. Triển khai mô hình lên môi trường sản xuất — bước cần thiết nhưng cũng là chuẩn bị; chính việc chấm điểm mới là hành động phát hiện.
Câu 447 ML Solution Monitoring, Maintenance, and Security

A media company wants to generate synthetic data to improve the training of its recommendation model and is considering Amazon Bedrock for this purpose. The company plans to use a foundation model for content generation and requires secure, scalable data handling. Which Amazon Bedrock feature ensures data privacy and compliance during content generation?

  1. A

    Integration with Amazon CloudWatch for monitoring
  2. B

    On-demand pricing based on token usage
  3. C

    Region-specific data handling and encryption
  4. D

    Provisioned throughput mode for steady workloads
Xem giải thích

Đáp án

C — Xử lý và mã hoá dữ liệu theo từng khu vực

Vì sao đúng

Khi dùng mô hình nền để sinh dữ liệu tổng hợp, mối lo lớn nhất là dữ liệu gốc đi đâu. Bedrock xử lý dữ liệu trong chính khu vực bạn gọi API, mã hoá cả khi truyền lẫn khi lưu, và dữ liệu bạn gửi không được dùng để huấn luyện mô hình gốc. Với công ty truyền thông có nghĩa vụ về dữ liệu người dùng thì đây là điểm quyết định.

Vì sao các phương án khác sai

  • A. Tích hợp CloudWatch để giám sát — hữu ích cho vận hành, không phải mối quan tâm chính ở đây.
  • B. Giá theo token — chuyện chi phí.
  • D. Provisioned throughput — dành cho tải ổn định, cũng là chuyện vận hành chứ không phải bảo mật dữ liệu.
Câu 448 ML Solution Monitoring, Maintenance, and Security

An e-commerce company is planning to integrate Amazon Bedrock for customer support and product recommendation. They want a solution that provides personalized product suggestions based on user interactions in real-time. Additionally, they need a secure environment where sensitive user data remains within a specific AWS region.

Which feature of Amazon Bedrock would best address their need for data security?

  1. A

    Knowledge bases
  2. B

    Serverless environment with automated scaling
  3. C

    AWS Identity and Access Management (IAM) integration
  4. D

    Data encryption in transit and at rest
Xem giải thích

Đáp án

D — Mã hoá dữ liệu khi truyền và khi lưu

Vì sao đúng

Đề có hai vế, và vế quyết định đáp án là môi trường an toàn. Bedrock mã hoá dữ liệu trên đường truyền bằng TLS và mã hoá khi lưu bằng KMS, đồng thời dữ liệu bạn gửi không được dùng để huấn luyện mô hình gốc. Với dữ liệu tương tác của khách hàng thì đây là điều kiện tiên quyết.

Vì sao các phương án khác sai

  • A. Knowledge base — chính là thứ giải vế gợi ý cá nhân hoá, nên đây là phương án dễ phân vân nhất. Nhưng nó cải thiện chất lượng câu trả lời, không phải tính năng bảo mật mà câu hỏi nhắm tới.
  • B. Môi trường không máy chủ tự co giãn — giải bài toán vận hành và chi phí.
  • C. Tích hợp IAM — kiểm soát ai được gọi API, cần thiết nhưng không bảo vệ chính dữ liệu.
Câu 449 ML Solution Monitoring, Maintenance, and Security

An organization has multiple AWS Lambda functions that require specific permissions to access S3 and DynamoDB resources. The team wants to avoid managing permissions for each individual Lambda function and instead use a centralized approach.

Which AWS IAM feature should the team use to manage access permissions effectively for these Lambda functions?

  1. A

    IAM Users
  2. B

    IAM Groups
  3. C

    IAM Roles
  4. D

    Root User Access
Xem giải thích

Đáp án

C — IAM Role

Vì sao đúng

Lambda không dùng khoá dài hạn. Bạn gắn một vai thực thi cho hàm, vai đó mang chính sách cho phép truy cập S3 và DynamoDB, và khi hàm chạy thì AWS cấp thông tin đăng nhập tạm thời, tự hết hạn. Không có khoá nào nằm trong mã hay biến môi trường, và sửa quyền là sửa ở một chỗ.

Vì sao các phương án khác sai

  • A. IAM User — sinh ra khoá truy cập dài hạn phải tự bảo quản và tự xoay vòng; đúng thứ đề muốn tránh.
  • B. IAM Group — chỉ gom người dùng lại để cấp quyền chung; dịch vụ không thuộc group được.
  • D. Tài khoản gốc — không bao giờ dùng cho vận hành hằng ngày.
Câu 450 ML Solution Monitoring, Maintenance, and Security

A security-sensitive application requires encryption for all data stored in Amazon S3. The organization also wants complete control over encryption keys, including the ability to audit their usage and set specific rotation policies.

Which type of AWS Key Management Service (KMS) key should they choose?

  1. A

    AWS Managed Key
  2. B

    AWS Owned Key
  3. C

    Customer Managed Key
  4. D

    Symmetric Key
Xem giải thích

Đáp án

C — Customer Managed Key (khoá do khách hàng quản lý)

Vì sao đúng

Từ khoá của đề là toàn quyền kiểm soát khoá. Chỉ CMK cho điều đó: bạn tự viết key policy quyết định ai dùng được khoá, bật hoặc tắt khoá, đặt lịch xoá, bật xoay vòng tự động, và mọi lần dùng khoá đều vào CloudTrail để kiểm toán.

Vì sao các phương án khác sai

  • A. AWS Managed Key — hiện trong tài khoản bạn nhưng không sửa được key policy và không điều khiển được vòng đời.
  • B. AWS Owned Key — nằm trong tài khoản của AWS, dùng chung nhiều khách hàng, bạn không thấy và không kiểm toán được.
  • D. Symmetric Key — nói về loại thuật toán, không phải về quyền quản lý; CMK cũng thường là khoá đối xứng.