Examen pratique 3

Une entreprise a conçu un assistant alimenté par l’IA qui fournit des réponses visuelles aux requêtes des utilisateurs. Elle souhaite mettre en place une solution pour empêcher le chatbot de retourner des images nuisibles ou inappropriées.

Quelle approche permettra d’atteindre cet objectif ?

Un chercheur en IA utilise un modèle de base Amazon Bedrock pour générer des résumés de sessions de support technique par chat. Le chercheur a besoin d’un mécanisme permettant d’enregistrer des journaux détaillés d’invocation, afin de surveiller à la fois les données d’entrée et de sortie du modèle.

Quelle méthode permet de répondre à ce besoin ?

Une entreprise souhaite améliorer la productivité des développeurs grâce à l’IA générative en automatisant la génération de code. Elle envisage d’utiliser Amazon Q Developer pour assister dans ces tâches.

Quelle fonctionnalité d’Amazon Q Developer soutiendrait le mieux cet objectif ?

Un spécialiste en IA a déployé un modèle de deep learning pour la détection d’objets sur un endpoint Amazon SageMaker. Le spécialiste téléverse une nouvelle image sur le endpoint afin d’identifier les objets.

Quel processus est décrit dans ce scénario ?

Un service de streaming utilise Amazon Bedrock pour exécuter un modèle de détection qui signale les contenus inappropriés dans les commentaires des utilisateurs. Le service a besoin d’une solution pour filtrer ces contenus afin de respecter ses politiques de modération et d’être alerté en cas de violation de ces politiques.

Quelle est l’approche la plus appropriée pour répondre à ces exigences ?

Une entreprise de retail a enrichi un modèle de base avec Amazon Bedrock pour gérer les questions des clients sur ses produits et promotions. L’entreprise utilise une Knowledge Base dans Bedrock pour améliorer les réponses du modèle avec des informations pertinentes et utilise Amazon CloudWatch Logs pour la journalisation des invocations du modèle.

L’entreprise souhaite maintenant étendre les performances du modèle sur un nouveau lot de requêtes en mettant à jour les informations accessibles au modèle.

Que doit faire l’entreprise pour permettre à Bedrock d’accéder au nouveau jeu de données ?

Une équipe de data science entraîne des modèles de machine learning en utilisant des instances SageMaker Notebook. Les ensembles de données résident dans Amazon S3. L’équipe doit garantir que tout le trafic de données reste entièrement au sein du réseau AWS pour des raisons de sécurité et de conformité.

Quelle solution fournit l’architecture la plus adaptée et la plus économique pour cette exigence ?

Une organisation à but non lucratif souhaite utiliser les services AWS pour déployer des modèles d’intelligence artificielle et de machine learning. L’organisation souhaite rapporter et assurer la transparence dans le processus de prise de décision de ces modèles et fournir clairement des explications sur leurs sorties.

Quel service ou fonctionnalité AWS répondrait le mieux à ces exigences ?

Une entreprise technologique prévoit d’utiliser un modèle de machine learning (ML) pour détecter les propos inappropriés dans les commentaires des réseaux sociaux, les filtrer et bannir les utilisateurs offensants afin de maintenir un environnement sûr pour sa communauté. L’entreprise souhaite entraîner le modèle sans données étiquetées.

Quelle approche l’entreprise devrait-elle adopter pour détecter les propos inappropriés et signaler les contenus dangereux ?

Une entreprise de fabrication souhaite générer des descriptions de produits pour une nouvelle gamme de dispositifs domotiques dans plusieurs langues (anglais, filipino, français et allemand). L’entreprise souhaite automatiser la traduction de ces descriptions pour sa boutique en ligne afin de gagner du temps et garantir la cohérence entre les différentes versions linguistiques.

Quel service AWS devrait être utilisé pour automatiser ce processus ?

Une plateforme de recrutement a développé un système d’évaluation des candidats basé sur l’IA. La plateforme a entraîné le modèle avec un grand jeu de données, mais ce jeu était biaisé, manquant de représentation de divers groupes démographiques.

Quel aspect de l’IA responsable ce scénario met-il en évidence ?

Une équipe de service client assiste les appelants en offrant des détails sur les produits et des suggestions adaptées à leur emplacement géographique. L’entreprise souhaite utiliser des foundation models (FMs) pour simplifier et automatiser ce flux de travail.

Quel service AWS serait le plus approprié pour ce cas d’usage ?

Une startup biotech dispose d’une application ML sur AWS qui analyse des données patients en temps réel pour prévoir les tendances du marché des médicaments. Comme l’application traite des informations de santé protégées (PHI), l’entreprise doit évaluer la conformité aux réglementations HIPAA et FDA, tout en garantissant un développement sécurisé.

Quels services AWS peuvent aider la startup à surveiller en continu la conformité tout en respectant les meilleures pratiques de sécurité ? (Sélectionnez DEUX)

Un prestataire de soins de santé construit une plateforme prédictive de santé de la population pour analyser les données démographiques des patients et leurs habitudes de suivi des traitements. L’objectif est d’identifier les groupes de patients distincts afin d’optimiser les programmes d’accompagnement, comme cibler les groupes à haut risque pour la vaccination contre la grippe ou personnaliser les campagnes de gestion du diabète.

Quel algorithme de machine learning le prestataire devrait-il utiliser pour segmenter automatiquement les patients en fonction de ces facteurs cliniques et socioéconomiques ?

Une équipe de support d’une entreprise mondiale de commerce électronique souhaite déployer un chatbot alimenté par un Large Language Model (LLM) pour fournir des réponses pertinentes et en temps réel aux questions des clients.

Le chatbot s’appuiera sur des documents internes de politique, indexés par Amazon Kendra, comme base de connaissances afin de garantir que les réponses soient exactes et conformes aux directives.

Quelle approche permettra d’atteindre ces objectifs de manière la plus rentable ?

Une entreprise développe des modèles de machine learning pour prendre des décisions automatisées à partir de grands ensembles de données. Elle doit assurer la transparence sur la manière dont les modèles font leurs prédictions et fournir des explications claires sur les résultats, afin de comprendre les facteurs influençant les décisions des modèles.

Quelle solution répond à ces besoins ?

Une entreprise a déployé une solution basée sur l’IA pour répondre à des requêtes dynamiques liées à ses produits et services. Ces requêtes évoluent dans le temps, et la solution doit s’adapter rapidement aux nouvelles informations. L’entreprise souhaite un système efficace, évolutif, capable de fournir des réponses précises en temps réel tout en minimisant les coûts opérationnels.

Quelle option répond le mieux à ces exigences ?

Une organisation utilise une application NLP avec un modèle fondation (FM). Un ingénieur ML évalue sa performance en utilisant le score F1.

Que mesure spécifiquement le score F1 dans ce contexte ?

Une entreprise développe une application de machine learning avec Amazon Bedrock. Elle nécessite un débit constant et une capacité fixe pour garantir des performances fiables et une maîtrise des coûts.

Quel modèle de tarification l’entreprise devrait-elle choisir ?

Une entreprise forme un modèle d’IA qui traite de grands ensembles de données en jobs batch. La charge de travail est tolérante aux pannes et peut supporter des interruptions. Pour minimiser les coûts, l’entreprise souhaite exécuter ces jobs pendant les heures creuses, lorsque la demande en ressources cloud est plus faible.

Quel modèle de tarification AWS est le plus économique pour ce scénario ?

Une grande banque de détail développe un assistant virtuel basé sur l’IA pour simplifier l’expérience client concernant le signalement et la contestation de transactions frauduleuses. L’assistant doit pouvoir :

• Récupérer les détails des comptes et des transactions.

• Soumettre des demandes de fraude via des API internes sécurisées.

• Guider les clients avec des explications claires en langage naturel.

En même temps, il doit respecter strictement les politiques de confidentialité et ne jamais exposer d’informations sensibles dans ses réponses.

Quelle solution AWS répond le mieux à ce cas d’usage en combinant les modèles de langage (LLM) avec une intégration sécurisée au backend ?

Une équipe de support client dans une entreprise technologique a développé un modèle de langage (LLM) pour assister les clients sur les questions fréquentes et le dépannage. Après avoir affiné le modèle avec des données récentes, l’équipe utilise Amazon Comprehend pour diverses tâches de compréhension du langage naturel.

Pour vérifier si le fine-tuning a amélioré la précision du modèle, l’équipe doit évaluer ses performances à l’aide de jeux de données de référence (benchmark datasets).

Quelle métrique d’évaluation est la plus appropriée pour mesurer l’efficacité du modèle ?

Une entreprise de vente au détail souhaite intégrer l’analyse de sentiment dans son système de feedback client en utilisant un grand modèle de langage (LLM) sur Amazon Bedrock. Les objectifs sont :

• Analyser le ton émotionnel des avis clients stockés dans Amazon S3.

• Générer des réponses cohérentes pour des entrées identiques.

• Optimiser l’analyse en ajustant les paramètres d’inférence du LLM.

Question :
Pour garantir que le LLM génère des réponses uniformes pour les mêmes prompts, quelle modification doit être apportée au paramètre d’inférence ?

Une entreprise de services financiers stocke des formulaires de retour client dans Amazon S3. Ces formulaires, soumis via un portail web hébergé sur Amazon API Gateway, contiennent souvent des données sensibles telles que des numéros de sécurité sociale et des informations de carte de crédit.

Objectif : Détecter automatiquement la présence de données sensibles dans les formulaires téléchargés et générer des alertes, avec un minimum d’effort de développement.

Quelle solution AWS répond le mieux à ce besoin ?

Une équipe de recherche utilise un grand modèle de langage (LLM) pour une application de support client. Cependant, le modèle génère fréquemment des hallucinations, fournissant des réponses incorrectes ou fabriquées.

Quelle action aiderait à réduire les hallucinations dans les réponses du modèle ?

Un institut de recherche utilise un modèle fondation (FM) pour l’analyse de données en temps réel et a besoin d’une stratégie d’entraînement qui mette régulièrement le modèle à jour avec de nouvelles données afin de maintenir sa pertinence et sa précision.

Laquelle des options suivantes répondrait à ce besoin ?

Une entreprise utilise Amazon Lex et Amazon Bedrock pour déployer un chatbot de support client qui traite des requêtes sensibles comme l’accès aux comptes et les paiements. Pour prévenir les attaques par injection de prompt, l’équipe a besoin d’une technique de prompt sécurisée capable de détecter et de mitiger les entrées malveillantes.

Quelle technique de prompt protège le mieux le chatbot contre les injections tout en garantissant des réponses précises ?

Une société financière a construit un modèle de classification binaire avec Amazon SageMaker AI pour détecter les transactions frauduleuses. Le modèle génère une probabilité entre 0 et 1 pour chaque prédiction. Comme les cas de fraude sont rares, l’équipe doit évaluer la performance du modèle en tenant compte du déséquilibre des classes.

Quelle métrique mesure le mieux la capacité du modèle à distinguer entre les transactions frauduleuses et non frauduleuses sur tous les seuils ?

Un service de streaming musical souhaite améliorer son moteur de recherche en recommandant des chansons en fonction de l’historique d’écoute et des préférences des utilisateurs.

Quel service AWS est le plus approprié pour répondre à ces besoins ?

Un cabinet juridique a besoin d’un moteur de recherche puissant pour retrouver facilement des informations pertinentes dans une vaste collection de documents juridiques non structurés en utilisant des requêtes en langage naturel.

Quel service AWS répond à ces besoins ?

Une entreprise utilise Amazon Bedrock pour le machine learning et AWS Lambda pour des workflows événementiels. L’entreprise doit journaliser toutes les requêtes vers l’API Bedrock et les invocations Lambda, en garantissant que les journaux soient conservés en toute sécurité pendant 3 ans avec un coût de stockage minimal.

Quels services AWS répondent à ces exigences ? (Sélectionnez DEUX)

Une entreprise construit une solution interactive de support client qui doit convertir les réponses textuelles en voix naturelle et permettre aux utilisateurs d’interagir via la voix.

Quel service AWS doit-elle utiliser pour la fonctionnalité de synthèse vocale (text-to-speech) ?

Une équipe de data science a besoin d’une interface conviviale pour expérimenter rapidement avec les foundation models d’Amazon Bedrock dans un environnement non-production.

Quelle solution doit être utilisée ?

Une entreprise de commerce électronique dispose d’une équipe de support client qui aide les acheteurs en fournissant des recommandations de produits personnalisées en fonction de leur localisation et de leur historique de navigation. L’entreprise souhaite automatiser ce processus en utilisant des foundation models (FMs) pour fournir des suggestions en temps réel, spécifiques à la localisation, pendant que les clients naviguent.

Quel service AWS est le mieux adapté pour cette tâche ?

Une entreprise utilisant l’IA générative dans un secteur réglementé souhaite examiner les résultats pour détecter les biais et la toxicité avant leur diffusion.

Quelle technique doit être utilisée lors de la phase de post-traitement du cycle de vie du machine learning ?

Une entreprise de technologie médicale développe un assistant virtuel avec recherche conversationnelle pour des questions médicales. Elle utilisera un modèle d’IA générative pour traiter les questions et renvoyer des réponses pertinentes via un service de base de données capable de stocker des embeddings sous forme de vecteurs et de supporter une récupération rapide.

Quel service AWS est le mieux adapté à cette fonctionnalité ?

Une entreprise de vente au détail a besoin d’un système d’IA capable de scanner automatiquement les images de produits pour détecter des défauts, comme des rayures ou des bosses, avant de les mettre en ligne.

Quel type d’application IA convient le mieux à ce besoin ?

Une équipe vérifie les lois sur la protection des données et confirme les directives éthiques pour les données des patients.

À quelle phase du cycle de vie du machine learning (ML) cela correspond-il ?

Une startup technologique construit un système de support client utilisant Amazon Bedrock et un large language model (LLM) pour produire des inférences. La startup utilise Amazon S3 pour le stockage des données et souhaite optimiser les coûts tout en évaluant ce qui impacte le coût global de ses applications d’IA générative.

Question : Qu’est-ce qui affecte principalement les coûts d’inférence pour ce système ?

Une startup technologique du secteur retail utilise un workflow RAG (Retrieval Augmented Generation) avec Amazon Bedrock et Stable Diffusion pour produire des visuels produits personnalisés à partir de prompts textuels. Cependant, les images générées apparaissent souvent génériques et manquent de caractéristiques précises des produits.

Question : Quelle amélioration permettrait à l’IA de générer des images plus spécifiques et détaillées ?

Une entreprise développe une application d’IA générative via des modèles personnalisés dans Amazon Bedrock et gère les métadonnées du processus d’entraînement avec Amazon DynamoDB. Dans le cadre des jobs de personnalisation du modèle, l’entreprise souhaite s’assurer que les artefacts du modèle sont sécurisés avec une clé de chiffrement gérée par l’entreprise.

Question : Quelle solution permet de répondre à cette exigence ?

Une entreprise a construit un service de traduction IA utilisant plusieurs API linguistiques, chacune nécessitant des clés uniques tournées chaque trimestre. L’entreprise a besoin d’une solution sécurisée pour stocker, faire tourner et accéder à ces clés au moment de l’exécution, sans les exposer dans le code. La solution doit s’intégrer avec AWS Lambda.

Question : Quel service AWS fournit un stockage sécurisé, une rotation automatique et un accès programmatique à ces clés API ?

Une entreprise mondiale d’e-commerce stocke des milliards d’événements comportementaux et transactionnels dans Amazon S3 pour entraîner des modèles de détection de fraude. L’équipe data science doit :

• Exécuter l’extraction de features distribuée avec PySpark

• Effectuer de l’ingénierie de features itérative

• Planifier des jobs ETL évolutifs et tolérants aux pannes

Question : Quel service AWS prend le mieux en charge l’ingénierie de features distribuée à grande échelle en utilisant des outils open-source ?

Une entreprise de santé a développé un modèle de machine learning pour analyser des images médicales et prédire des maladies potentielles. L’objectif est de déployer le modèle pour une analyse en temps réel des images entrantes, sans gérer de serveurs ni d’infrastructure.

Question : Quelle solution répond le mieux à ce besoin ?

Quel est l’avantage principal d’utiliser Amazon SageMaker Model Cards pour documenter des modèles de machine learning ?

Une entreprise souhaite créer un pipeline d’analyse avec AWS Glue Studio, mais son équipe a peu d’expérience en programmation et préfère une solution qui simplifie l’utilisation de Glue Studio sans nécessiter de compétences en codage complexes.

Quelle option répond le mieux à ce besoin ?

Un spécialiste en IA doit prédire le type de coquillage en fonction d’attributs tels que la taille, la forme, la texture, le motif de couleur et la présence de crêtes ou d’épines.

Quel algorithme est le mieux adapté pour cette tâche de classification ?

Un data scientist a besoin que le modèle décompose un problème complexe en sous-tâches plus petites et résolve chacune séquentiellement.

Quelle technique de prompt engineering correspond à ce besoin ?

Une entreprise construit un modèle de machine learning pour prévoir le churn client. Bien que le modèle fonctionne bien sur le jeu de données d’entraînement, il peine à estimer le churn pour des données nouvelles et inédites.

Quelle approche permettrait d’améliorer la performance du modèle ?

Une entreprise d’IA utilise des jeux de données tiers en cybersécurité et conformité fournis par des éditeurs indépendants (ISV) pour améliorer ses audits de modèles IA. Ces jeux de données incluent des rapports de conformité, des métriques de risque et des flux de renseignement sur les menaces. L’entreprise souhaite recevoir des notifications lorsque de nouvelles révisions des jeux de données sont publiées.

Quel service AWS permet de mettre en place ce système ?

Une équipe d’ingénieurs cloud utilise des modèles de langage (LLM) pour améliorer son workflow de développement. L’équipe souhaite que l’IA convertisse des commentaires en langage naturel comme :

« Add error handling for Amazon S3 uploads »

en fonctions Python complètes.

Quelle évaluation de modèle dans Amazon Bedrock permet cette création automatique de code à partir de descriptions en texte libre ?

Une entreprise utilise un modèle IA pour classer automatiquement les emails clients en « Complaint », « Inquiry » ou « Feedback ». Le modèle est entraîné sur des milliers d’emails pré-étiquetés pour apprendre les motifs.

Quel type de NLP est utilisé lorsqu’un modèle apprend à partir de données étiquetées pour classifier de nouveaux textes ?

Une entreprise de logistique doit prédire le nombre d’expéditions pour les prochaines semaines en utilisant des données historiques. Elle prévoit d’utiliser l’algorithme DeepAR d’Amazon SageMaker pour cette tâche.

Quel type de données est le plus approprié pour ces prédictions ?

Un fournisseur mondial de formation a développé un système utilisant l’IA générative pour traduire des manuels de formation via de grands modèles de langage (LLM) de l’anglais vers différentes langues. Le fournisseur souhaite maintenant évaluer la précision du texte généré afin de garantir qu’il respecte les normes de qualité.

Quelle stratégie d’évaluation de modèle est la plus appropriée pour atteindre cet objectif ?