AWS Certified AI Practitioner Foundational (AIF-C01) - TEST 1

Una compañía global de comercio electrónico está enfocada en optimizar sus operaciones mediante el análisis de datos provenientes de diversas fuentes y formatos. Estas fuentes incluyen audios de centros de llamadas, retroalimentación textual de clientes, imágenes de productos y documentos escaneados. La empresa está particularmente interesada en mejorar la clasificación de su extenso catálogo de productos, identificando nuevas categorías de productos basadas en imágenes históricas del inventario. Para lograr este objetivo, es necesario entrenar un modelo de aprendizaje automático que pueda analizar y clasificar eficazmente estas imágenes. ¿Qué combinación de pasos debería seguir la empresa para entrenar un modelo capaz de identificar y categorizar nuevos productos basándose en estas imágenes históricas? (Selecciona dos). Etiquetar las imágenes históricas por categoría y proporcionar las imágenes etiquetadas al modelo de entrenamiento. Crear un proyecto de modelo de entrenamiento en Amazon Textract. Proporcionar las imágenes históricas no etiquetadas al modelo para el entrenamiento. Crear un modelo personalizado en Amazon Comprehend. Crear un proyecto de modelo de entrenamiento en Amazon Rekognition.

Un equipo de ciencia de datos está buscando mejorar el rendimiento de un modelo de machine learning que ha desarrollado. El equipo ha identificado dos áreas clave que podrían contribuir a este objetivo: aumentar la cantidad de variables en el conjunto de datos de entrenamiento y ajustar el comportamiento del algoritmo utilizado. Estas mejoras son cruciales para optimizar la precisión y la eficacia del modelo en su tarea de predicción. ¿Qué combinación de pasos en la pipeline de ML debería seguir el equipo para cumplir con estos requisitos? (Selecciona dos). Monitoreo del modelo. Evaluación del modelo. Ajuste de hiperparámetros. Recopilación de datos. Ingeniería de características.

Una empresa minorista desea mejorar su sistema de recomendaciones de productos utilizando machine learning. Para hacer recomendaciones más precisas, la empresa planea usar embeddings de vectores de características de productos y preferencias de los usuarios. El sistema también debe admitir consultas en tiempo real para encontrar rápidamente los productos más relevantes. ¿Qué servicios de AWS cumplirían mejor con estos requisitos? (Selecciona dos). AWS Lake Formation. Amazon DocumentDB (con compatibilidad con MongoDB). Amazon OpenSearch Service. Amazon ElastiCache. Amazon DynamoDB.