AWS AI Practitioner (AIF-C01) — Übungsfragen und Probeprüfung

Amazon EMR (Elastic MapReduce) ist die richtige Antwort, weil es die verwaltete Big-Data-Plattform von AWS ist, die gezielt für den Betrieb verteilter Verarbeitungs-Frameworks wie Apache Spark entwickelt wurde. Laut Dokumentation bietet Amazon EMR Features und Funktionen für die "Verarbeitung und Analyse von Big Data auf AWS". EMR unterstützt Apache Spark und dessen MLlib-Bibliothek nativ und übernimmt Bereitstellung, Konfiguration und Skalierung des Clusters, sodass sich Data-Science-Teams auf das Erstellen und Trainieren verteilter ML-Modelle konzentrieren können.

Warum jede falsche Option falsch ist:

• A. AWS Glue — AWS Glue nutzt intern zwar Apache Spark für ETL-Jobs (Extract, Transform, Load), ist aber in erster Linie für Datenintegration und ETL-Workloads gedacht und nicht dafür, vollständige verteilte Trainings-Workflows mit Spark MLlib auszuführen. Es bietet nicht dieselbe Kontrolle über den Cluster und dieselbe Flexibilität bei der Spark-Konfiguration, die EMR für ML-Training bereitstellt.

• C. Amazon ECS — Amazon Elastic Container Service (ECS) ist ein Dienst zur Container-Orchestrierung für den Betrieb von Docker-Containern. Theoretisch könntest du Spark containerisieren, aber ECS bietet weder natives verwaltetes Provisioning von Spark-Clustern noch integrierte Unterstützung für Spark MLlib. Für verteilte Spark-Workloads ist es nicht ausgelegt.

• D. AWS Batch — AWS Batch ist für die Ausführung von Batch-Computing-Jobs in großem Maßstab ausgelegt, typischerweise für HPC oder einfache parallele Workloads. Es unterstützt Apache-Spark-Frameworks nicht nativ und bietet kein verwaltetes Provisioning von Spark-Clustern, wie es für verteiltes Training mit Spark MLlib nötig ist.

(Quelle: https://docs.aws.amazon.com/emr/latest/ManagementGuide/emr-what-is-emr.html)

Sensitive information filters ist die richtige Antwort. Amazon Bedrock Guardrails bietet Sensitive information filters, die personenbezogene Daten (PII) wie Social Security Numbers, Kreditkartennummern und E-Mail-Adressen sowohl in Benutzereingaben als auch in Modellantworten erkennen und redigieren können. Diese Fähigkeit ist entscheidend für die Einhaltung von Datenschutzvorschriften beim Erstellen kundenorientierter generativer AI-Anwendungen.

Laut AWS-Dokumentation ermöglicht Amazon Bedrock Guardrails dir, schädliche Inhalte zu erkennen und zu filtern, und einer der wichtigsten Filtertypen sind Sensitive information filters, die speziell auf PII-Erkennung und -Redaktion abzielen, um Endbenutzer vor der Offenlegung sensibler Daten zu schützen.

Warum die einzelnen falschen Optionen falsch sind:

• A. Content filters — Content filters sind darauf ausgelegt, schädliche Inhalte in Kategorien wie Hassrede, Beleidigungen, sexuelle Inhalte, Gewalt und Fehlverhalten zu erkennen und zu blockieren. Sie zielen nicht speziell auf PII wie Social Security Numbers oder Kreditkartennummern ab.

• B. Denied topics — Denied topics ermöglichen dir, bestimmte Themen zu definieren, mit denen sich das Modell nicht befassen soll (z. B. Anlageberatung, Diskussionen über Wettbewerber). Das ist eine Einschränkung auf Themenebene, kein Mechanismus zum Erkennen oder Redigieren spezifischer PII-Datenmuster.

• D. Contextual grounding checks — Contextual grounding checks werden verwendet, um Hallucinations zu erkennen, indem geprüft wird, ob Modellantworten im bereitgestellten Quellmaterial verankert und für die Anfrage des Benutzers relevant sind. Sie haben nichts mit PII-Erkennung oder -Redaktion zu tun.

(Source: https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html)

Data Augmentation ist die richtige Antwort. Data Augmentation ist eine Technik, die veränderte Versionen vorhandener Trainingsbilder erzeugt — etwa Drehungen, Spiegelungen, Farbanpassungen und Zuschnitte —, um Umfang und Vielfalt des Trainingsdatensatzes künstlich zu erhöhen. Das ist besonders wertvoll, wenn nur begrenzt zusätzliche Trainingsdaten verfügbar sind, denn das Modell generalisiert besser, wenn es realistische Variationen vorhandener Beispiele zu sehen bekommt. Ein gedrehtes oder gespiegeltes Bild einer Katze ist immer noch eine Katze, also lernt das Modell, Objekte unabhängig von Ausrichtung, Größe oder Lichtverhältnissen zu erkennen.

Warum die anderen Optionen falsch sind:

• A. Regularisierung — Regularisierung ist eine Technik, die Overfitting verhindert, indem sie der Loss-Funktion des Modells einen Strafterm hinzufügt (z. B. L1-/L2-Regularisierung) oder Methoden wie Dropout einsetzt. Sie erzeugt keine veränderten Versionen von Trainingsbildern, sondern begrenzt die Komplexität des Modells.

• C. Feature Engineering — Beim Feature Engineering werden Eingabe-Features ausgewählt, transformiert oder neu erstellt, um die Modellleistung zu verbessern. Es verändert zwar die Repräsentation der Daten, erzeugt aber keine veränderten Kopien von Trainingsbildern durch geometrische oder farbliche Transformationen.

• D. Transfer Learning — Beim Transfer Learning nimmst du ein Modell, das auf einem großen Datensatz vortrainiert wurde (z. B. ImageNet), und passt es per Fine-Tuning an einen kleineren, aufgabenspezifischen Datensatz an. Das ist zwar nützlich, wenn Trainingsdaten knapp sind, erzeugt aber keine veränderten Versionen vorhandener Trainingsbilder.

Data Augmentation ist eine gängige und weit verbreitete Technik in der Computer Vision, die das Problem begrenzter Trainingsdaten direkt angeht, indem sie realistische Variationen vorhandener Beispiele erzeugt.

(Quelle: https://docs.aws.amazon.com/prescriptive-guidance/latest/image-classification/examples.html)

Chain-of-Thought-Prompting (CoT) ist die richtige Technik, um ein Modell anzuweisen, komplexe Probleme Schritt für Schritt zu durchdenken, bevor es zu einer endgültigen Antwort kommt. Laut AWS-Dokumentation wird Chain-of-Thought-Reasoning eingesetzt, um 'komplexe Aufgaben in einfachere Schritte zu zerlegen' und 'Genauigkeit und Transparenz von Foundation Models zu verbessern'. Bei dieser Technik weist du das Modell entweder ausdrücklich an, 'Schritt für Schritt zu denken', oder du lieferst Beispiele, die Zwischenschritte des Denkprozesses zeigen. Das verbessert die Leistung bei Aufgaben, die mehrstufiges Schlussfolgern erfordern — etwa Mathematik, Logik und Analyse — erheblich.

Warum jede falsche Option falsch ist:

• A. Negatives Prompting — Beim negativen Prompting sagst du dem Modell, was es NICHT tun oder erzeugen soll (z. B. 'Keine persönlichen Meinungen einbeziehen'). Das schränkt die Ausgaben ein, fördert aber kein schrittweises Schlussfolgern.

• B. Zero-Shot-Prompting — Zero-Shot-Prompting gibt eine Aufgabenanweisung ohne jegliche Beispiele und verlässt sich vollständig auf das vortrainierte Wissen des Modells. Es lässt sich zwar mit CoT kombinieren (Zero-Shot-CoT), für sich genommen fordert es das Modell aber nicht gezielt dazu auf, Zwischenschritte seines Denkprozesses zu zeigen.

• D. Prompt-Caching — Prompt-Caching ist eine Optimierungstechnik auf Infrastrukturebene, die Prompt-Präfixe speichert und wiederverwendet, um Latenz und Kosten zu senken. Auf die Qualität oder die Tiefe des Schlussfolgerns in den Modellantworten hat es keinen Einfluss.

(Quelle: https://docs.aws.amazon.com/bedrock/latest/userguide/inference-reasoning.html)