PRACTICE練習問題

AI Practitioner（AIF-C01）の練習問題 100問

生成 AI・機械学習の基礎概念と AWS の AI サービスの位置づけ。開発経験は前提にしない。 この問題は、執筆者が公式ドキュメントを出典に一から作った独自問題です。本試験の問題の再現・転載ではありません。各問に公式ドキュメントの出典を付けています。

受験日から逆算して計画する（学習プラン） ／ 試験の版・時間・受験料（AWS 認定の一覧） ／ 関連する記事: 生成 AI アプリの本番設計｜モデル選び・RAG ...・Amazon Bedrock とは何か｜モデルの選...・AWS 認定の仕組み｜4つのレベル・出題形式・換算...

WHAT'S INSIDE

AIF-C01 の練習問題 100問の分野と扱うサービス

AIF-C01 の試験ガイドが示す分野ごとに問題を分けています。問題数は分野の配分に合わせたもので、どの分野も公式ドキュメントを出典に作っています。

分野	問題数	多く扱うサービス
AI/MLの基礎	22問	Amazon SageMaker、Amazon SageMaker Ground Truth、Amazon SageMaker Clarify、Amazon Forecast、Amazon Bedrock
生成AIの基礎	23問	Amazon Bedrock、Knowledge Bases for Amazon Bedrock、Amazon Titan Embeddings、Amazon Q
基盤モデルの応用	30問	Amazon Bedrock、Knowledge Bases for Amazon Bedrock、Amazon Comprehend、Amazon Transcribe、Amazon Rekognition
責任あるAI	11問	Amazon SageMaker Clarify、AWS Cloud、Amazon SageMaker Model Cards、Amazon Augmented AI、Amazon SageMaker
セキュリティ・コンプライアンス・ガバナンス	14問	Amazon Bedrock、AWS IAM、Guardrails for Amazon Bedrock、AWS CloudTrail、AWS KMS

SAMPLE QUESTIONS

AIF-C01 の見本の問題（分野ごとに1問）

全100問のうち、分野ごとに1問を答えと解説つきで載せています。残りの問題は、上の4つのモードから解けます。

AI/MLの基礎AIF-C01 #1

あるEコマースサイトのデータチームがML未経験の状態から始め、購買履歴だけを持つ顧客データを、事前のラベル(グループ定義)なしに自然な購買セグメントへ自動的にまとめたいと考えています。この課題に最も適した機械学習の手法はどれですか？

• A教師あり学習による回帰
• B教師あり学習による二値分類
• C教師なし学習によるクラスタリング
• D強化学習

答えと解説を見る

正解: C

正解ラベルが存在せず、データ自身の構造から似たもの同士をまとめたい場合は、教師なし学習の『クラスタリング』が適切です。回帰・分類は正解ラベル(教師データ)を必要とする教師あり学習であり、強化学習は報酬に基づく試行錯誤で方策を学ぶ手法のため、この課題には合いません。

公式の出典

• 機械学習の仕組み — 教師あり/教師なし/強化学習 (AWS)

生成AIの基礎AIF-C01 #4

生成AIチャットボットが、社内の非公開マニュアルの内容について質問されると、もっともらしいが事実と異なる回答(ハルシネーション)を返してしまいます。基盤モデル自体を再学習させずに、社内文書に基づいた正確な回答をさせるための最も適切なアプローチはどれですか？

• Aモデルの温度(temperature)パラメータを最大値に上げる
• BRAG(検索拡張生成)で社内文書を検索し、その内容を文脈として与える
• Cプロンプトの文字数制限を撤廃する
• Dより多くのGPUを割り当てて推論する

答えと解説を見る

正解: B

RAG(Retrieval-Augmented Generation)は、質問に関連する自社データを外部知識ソースから検索し、その内容をプロンプトの文脈として基盤モデルに与える手法です。モデルを再学習(ファインチューニング)せずに、最新かつ独自の情報に基づいた回答を可能にし、ハルシネーションを低減します。温度を上げると出力はより多様(=不確実)になり逆効果です。

公式の出典

• Retrieval-Augmented Generation (RAG) とは (AWS)

基盤モデルの応用AIF-C01 #6

基盤モデルに翻訳タスクを行わせる際、指示文の中に入力と期待出力のペアをいくつか例示してから本番の入力を与えたところ、出力の精度が向上しました。このプロンプト手法を指す用語はどれですか？

• Aゼロショットプロンプティング
• B少数ショット(Few-shot)プロンプティング
• Cモデルの量子化
• Dハイパーパラメータ探索

答えと解説を見る

正解: B

プロンプト内にいくつかの入出力例(サンプル)を示してからタスクを依頼する手法を少数ショット(Few-shot)プロンプティングと呼びます。例を一切与えないのがゼロショットです。量子化はモデル軽量化、ハイパーパラメータ探索は学習時の最適化であり、プロンプト設計の用語ではありません。

公式の出典

• プロンプトエンジニアリングのガイドライン (Amazon Bedrock)

責任あるAIAIF-C01 #9

融資審査モデルが特定の属性グループに対して不公平な予測をしていないかを検証し、あわせて各予測に対する特徴量の寄与度を可視化して説明責任を果たしたいと考えています。バイアス検出とモデルの説明可能性の両方を提供するAWSの機能はどれですか？

• AAmazon SageMaker Clarify
• BAmazon CloudWatch
• CAWS CloudTrail
• DAmazon SageMaker Ground Truth

答えと解説を見る

正解: A

Amazon SageMaker Clarifyは、データやモデルのバイアス(偏り)を検出し、特徴量が予測に与える寄与度を示すことでモデルの説明可能性(explainability)を高める機能です。CloudWatchは監視、CloudTrailはAPI監査ログ、Ground Truthはデータのラベル付けであり、バイアス検出・説明可能性の用途ではありません。

公式の出典

• SageMaker Clarify によるバイアス検出とモデルの説明可能性

セキュリティ・コンプライアンス・ガバナンスAIF-C01 #10

生成AIアプリで、ユーザーへの応答から不適切な表現を除外し、特定のトピック(例: 投資助言)を回避させ、個人情報をマスキングするなどの安全策を、モデルに依存せず統一的に適用したいと考えています。Amazon Bedrockで最も適した機能はどれですか？

• AGuardrails for Amazon Bedrock
• BAmazon Macie
• CAWS WAF
• DAmazon Inspector

答えと解説を見る

正解: A

Guardrails for Amazon Bedrockは、拒否トピック・有害コンテンツのフィルタリング・個人情報(PII)のマスキングなどのセーフティポリシーを定義し、複数の基盤モデルに一貫して適用できる機能です。MacieはS3のPII検出、WAFはWebアプリ保護、Inspectorは脆弱性評価であり、生成AI応答のガードレールという用途には合いません。

公式の出典

• Guardrails for Amazon Bedrock

READ FIRST

AIF-C01 の論点を記事で読む

• 生成 AI アプリの本番設計｜モデル選び・RAG の品質・ガードレール・コストと監視の判断軸
• Amazon Bedrock とは何か｜モデルの選び方・RAG・エージェント・ガードレールと SageMaker の違い
• AWS 認定の仕組み｜4つのレベル・出題形式・換算スコアと、3年の有効期限を先に知る
• AI Business Strategist（AIB-C01）とは｜事業側の AI 資格の範囲と準備の順番