Questão 4 — Simulado AWS Certified AI Practitioner (AIP-C01) – Questões Atualizadas
Uma empresa de comércio eletrônico está construindo uma plataforma interna para desenvolver aplicativos generativos de IA usando modelos básicos (FMs) do Amazon Bedrock. Os desenvolvedores precisam selecionar modelos com base em avaliações alinhadas aos casos de uso de comércio eletrônico. A plataforma deve exibir métricas de precisão para geração e resumo de textos em dashboards. A empresa possui conjuntos de dados de comércio eletrônico personalizados para usar como entradas de avaliação padronizadas. Qual combinação de etapas atenderá a esses requisitos com MENOS sobrecarga operacional? (Selecione DOIS.)
- A. Importe os conjuntos de dados para um bucket do Amazon S3. Forneça permissões apropriadas do IAM e permissões de compartilhamento de recursos entre origens (CORS) para conceder aos trabalhos de avaliação acesso aos conjuntos de dados.
- B. Importe os conjuntos de dados para um bucket do Amazon S3. Forneça permissões de IAM apropriadas e uma configuração de endpoint VPC para fornecer aos trabalhos de avaliação acesso aos conjuntos de dados.#
- C. Configure uma função AWS Lambda para criar trabalhos de avaliação de modelo em uma programação no console do Amazon Bedrock. Forneça o URI do bucket S3 que contém os conjuntos de dados como entrada. Configure os trabalhos de avaliação para medir a pontuação de conhecimento do mundo real (RWK) para geração de texto e BERTScore para resumo. Configure uma segunda função do Lambda para verificar o status dos trabalhos e publicar logs personalizados no Amazon CloudWatch. Crie um painel personalizado do Amazon CloudWatch Logs Insights.
- D. Use o Amazon SageMaker Clarify de acordo com uma programação para criar trabalhos de avaliação de modelo. Use estruturas de código aberto para criar e executar avaliações padronizadas. Publique resultados em namespaces do Amazon CloudWatch. Use uma função AWS Lambda para verificar o status dos trabalhos e publicar logs personalizados no Amazon CloudWatch. Crie um painel personalizado do Amazon CloudWatch Logs Insights.
- E. Execute um trabalho de notebook do Amazon SageMaker AI de acordo com uma programação usando a estrutura fmvelos ou ragas para executar avaliações que usam os conjuntos de dados no bucket S3. Escreva o código Python no notebook que faz chamadas diretas da API InvokeModel para os FMs e processa suas respostas para avaliação. Publique o status e os resultados do trabalho no Amazon CloudWatch Logs para medir a pontuação de conhecimento do mundo real (RWK) para geração de texto e toxicidade para resumo como métricas de precisão. Crie um painel personalizado do CloudWatch Logs Insights.
Resposta correta:
B, C
Explicação
Explicação: A abordagem com menor sobrecarga operacional é usar fluxos de trabalho gerenciados de avaliação de modelo do Amazon Bedrock com conjuntos de dados armazenados no Amazon S3 e, em seguida, publicar os resultados no Amazon CloudWatch para painéis. É exatamente isso que as opções B e C combinam. A etapa B coloca corretamente as entradas de avaliação padronizadas no Amazon S3 e se concentra em conceder ao fluxo de trabalho de avaliação as permissões corretas para ler esses conjuntos de dados. Na prática, o principal requisito é o acesso controlado aos objetos S3 usados como conjuntos de dados de avaliação. O estabelecimento de permissões IAM e padrões de acesso privado (como o uso de padrões de conectividade VPC quando aplicável à postura de rede da organização) está alinhado com os requisitos da empresa e evita a construção de sistemas personalizados de armazenamento ou distribuição de dados para avaliadores. A Etapa C então operacionaliza o ciclo de vida da avaliação com infraestrutura mínima: uma função agendada do AWS Lambda inicia trabalhos de avaliação usando o local do conjunto de dados S3, e uma segunda função Lambda verifica o status do trabalho e envia resultados e sinais operacionais para o CloudWatch. Isso atende ao requisito da plataforma para exibir métricas de precisão em painéis porque as métricas/logs do CloudWatch podem ser visualizados em painéis e consultados por meio do CloudWatch Logs Insights. Ele também oferece suporte a comparações contínuas e padronizadas entre modelos, sem exigir que os desenvolvedores executem experimentos ad-hoc. As alternativas introduzem mais encargos operacionais. D e E contam com ferramentas baseadas no Amazon SageMaker, trabalhos de notebook e estruturas de avaliação de código aberto, que exigem mais gerenciamento de ambiente, controle de dependências, considerações de escalabilidade e manutenção ao longo do tempo. A inclui CORS, que é principalmente uma preocupação de acesso ao navegador e não aborda como os trabalhos de avaliação gerenciados pela Bedrock acessam com segurança o S3 no padrão típico de serviço a serviço. Portanto, B + C alcança avaliação de modelo padronizada, agendamento automatizado e observabilidade pronta para painel com o menor volume de operações.
Quer todas as 119 questões por R$ 198,00?