AWS AI Practitioner 오답정리

SageMaker Model Monitor 생산 중인 기계 학습 모델을 지속적으로 모니터링하여 데이터 드리프트를 감지하고 새로운 데이터가 도입됨에 따라 모델의 예측이 계속해서 정확하도록 보장하는 데 특별히 설계되었습니다.

SageMaker JumpStart는 사전 구축된 모델과 솔루션을 제공

SageMaker Neo는 모델을 배포 최적화

SageMaker Studio는 통합 개발 환경

SageMaker Data Wrangler 데이터를 전처리 / 정확한 예측을 하는 데 직접적인 영향

SageMaker Hyperparameter Tuning 기계 학습 모델의 성능을 최적화=최상의 하이퍼파라미터를 자동으로 검색SageMaker Processing은 대규모 데이터 모델 훈련을 위한 데이터 처리 및 피처 엔지니어링 작업을 실행할 수 있게 하여, 모델이 실시간 데이터를 효율적으로 처리

SageMaker Ground Truth는 데이터 레이블링

SageMaker Clarify는 편향 감지 및 준수

SageMaker Feature Store 피처 엔지니어링 

 

BLEU(Bilingual Evaluation Understudy)는 기계 생성 번역의 품질을 평가하는 데 널리 사용되는 메트릭으로, 생성된 번역이 하나 이상의 참조 번역과 얼마나 일치하는지를 비교하여 품질을 정량화합니다. 

BERTScore는 생성된 번역과 인간 번역 간의 의미 유사성을 평가하는 효과적인 메트릭으로, 문맥 임베딩을 활용하여 원본 텍스트의 의미를 얼마나 잘 포착했는지를 평가합니다. 따라서 번역 성능을 깊이 있게 평가하는 데 적합합니다.
ROUGE: 주로 요약 작업의 평가

F1 Score: 주로 분류 작업에 사용

정확도: 일반적인 메트릭

 

AWS Config는 사용자가 AWS 리소스의 구성을 평가, 감사 및 평가할 수 있도록 하는 서비스

Amazon Macie는 기계 학습을 사용하여 민감한 데이터를 자동으로 발견, 분류 및 보호

Amazon Neptune은 임베딩을 저장하고 검색하는 데 최적화된 완전 관리형 그래프 데이터베이스 서비스

 

 Amazon Bedrock Agent AI가 실시간 교통 정보를 포함한 다양한 데이터 소스와 동적으로 상호작용하면서 복잡한 다단계 프로세스를 처리할 수 있도록 해 줍니다. 이는 배송 경로 최적화를 위한 실시간 의사 결정을 가능하게 합니다.

 

시스템 로그에는 일반적으로 오류 메시지, 타임스탬프 및 시스템 상태와 같은 비구조화된 텍스트 데이터가 포함되어 있습니다 로그는 시간 요소를 가질 수 있지만, 더 넓은 인사이트를 위해서는 NLP가 필요합니다.