AWS AI Practitioner (AIF-C01) — Questões de prática e simulado

Amazon EMR (Elastic MapReduce) é a resposta correta porque é a plataforma gerenciada de big data da AWS, criada especificamente para executar frameworks de processamento distribuído como o Apache Spark. Como diz a documentação, o Amazon EMR oferece recursos e funcionalidades para o "processamento e a análise de big data na AWS". O EMR dá suporte nativo ao Apache Spark e à sua biblioteca MLlib, cuidando do provisionamento, da configuração e do escalonamento do cluster, para que as equipes de ciência de dados possam se concentrar em criar e treinar modelos de ML distribuídos.

Por que cada opção incorreta está errada:

• A. AWS Glue — Embora o AWS Glue use o Apache Spark internamente para jobs de ETL (Extract, Transform, Load), ele foi pensado principalmente para integração de dados e cargas de trabalho de ETL, e não para executar fluxos completos de treinamento distribuído com Spark MLlib. Ele não expõe o mesmo nível de controle do cluster nem a mesma flexibilidade de configuração do Spark que o EMR oferece para treinamento de ML.

• C. Amazon ECS — O Amazon Elastic Container Service (ECS) é um serviço de orquestração de contêineres para executar contêineres Docker. Em teoria você poderia colocar o Spark em contêineres, mas o ECS não oferece provisionamento gerenciado e nativo de clusters Spark nem suporte integrado ao Spark MLlib. Ele não foi projetado para cargas de trabalho distribuídas do Spark.

• D. AWS Batch — O AWS Batch foi projetado para executar jobs de computação em lote em escala, normalmente para HPC ou cargas de trabalho paralelas simples. Ele não dá suporte nativo aos frameworks do Apache Spark nem oferece o provisionamento gerenciado de clusters Spark necessário para o treinamento distribuído com Spark MLlib.

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

Sensitive information filters é a resposta correta. Amazon Bedrock Guardrails fornece sensitive information filters que conseguem detectar e redigir informações de identificação pessoal (PII), como Social Security numbers, números de cartão de crédito e endereços de email, tanto em entradas de usuários quanto em respostas do modelo. Essa capacidade é essencial para conformidade com regulamentos de privacidade ao criar aplicações de generative AI voltadas ao cliente.

De acordo com a documentação da AWS, Amazon Bedrock Guardrails permite que você "detect and filter harmful content" e um dos principais tipos de filtro é sensitive information filters, que mira especificamente a detecção e redação de PII para proteger usuários finais contra exposição a dados sensíveis.

Por que cada opção incorreta está errada:

• A. Content filters — Content filters são projetados para detectar e bloquear conteúdo prejudicial em categorias como discurso de ódio, insultos, conteúdo sexual, violência e conduta indevida. Eles não miram especificamente PII como Social Security numbers ou números de cartão de crédito.

• B. Denied topics — Denied topics permitem definir tópicos específicos com os quais o modelo não deve interagir (por exemplo, consultoria de investimento, discussões sobre concorrentes). Essa é uma restrição em nível de tópico, não um mecanismo para detectar ou redigir padrões específicos de dados de PII.

• D. Contextual grounding checks — Contextual grounding checks são usados para detectar hallucinations verificando se as respostas do modelo estão fundamentadas no material-fonte fornecido e são relevantes para a consulta do usuário. Eles não têm relação com detecção ou redação de PII.

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

Aumento de dados é a resposta correta. O aumento de dados é uma técnica que cria versões modificadas das imagens de treinamento existentes — como rotações, espelhamentos, ajustes de cor e recortes — para aumentar artificialmente o tamanho efetivo e a diversidade do conjunto de dados de treinamento. Isso é especialmente valioso quando há poucos dados de treinamento adicionais disponíveis, pois ajuda o modelo a generalizar melhor ao expô-lo a variações realistas das amostras existentes. Uma imagem de gato rotacionada ou espelhada continua sendo um gato, então o modelo aprende a reconhecer objetos independentemente da orientação, da escala ou das condições de iluminação.

Por que as outras opções estão incorretas:

• A. Regularização — A regularização é uma técnica usada para evitar overfitting, adicionando um termo de penalidade à função de perda do modelo (por exemplo, regularização L1/L2) ou usando métodos como dropout. Ela não envolve criar versões modificadas das imagens de treinamento; em vez disso, restringe a complexidade do modelo.

• C. Engenharia de atributos — A engenharia de atributos envolve selecionar, transformar ou criar atributos de entrada para melhorar o desempenho do modelo. Embora manipule a representação dos dados, ela não envolve criar cópias modificadas das imagens de treinamento por meio de transformações geométricas ou de cor.

• D. Aprendizado por transferência — O aprendizado por transferência envolve pegar um modelo pré-treinado em um conjunto de dados grande (por exemplo, ImageNet) e ajustá-lo com fine-tuning em um conjunto de dados menor e específico da tarefa. Embora seja útil quando os dados de treinamento são limitados, ele não envolve criar versões modificadas das imagens de treinamento existentes.

O aumento de dados é uma técnica padrão e amplamente usada em visão computacional, que ataca diretamente o problema de dados de treinamento limitados gerando variações realistas das amostras existentes.

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

O prompting de cadeia de pensamento (CoT) é a técnica correta para instruir um modelo a raciocinar passo a passo sobre problemas complexos antes de chegar a uma resposta final. Como afirma a documentação da AWS, o raciocínio em cadeia de pensamento é usado para 'dividir tarefas complexas em etapas mais simples' e 'melhorar a precisão e a transparência dos modelos de fundação'. Essa técnica envolve instruir explicitamente o modelo a 'pensar passo a passo' ou fornecer exemplos que demonstrem etapas intermediárias de raciocínio, o que melhora bastante o desempenho em tarefas que exigem raciocínio de várias etapas, como matemática, lógica e análise.

Por que cada opção incorreta está errada:

• A. Prompting negativo — O prompting negativo é uma técnica em que você diz ao modelo o que NÃO fazer ou gerar (por exemplo, 'Não inclua opiniões pessoais'). Ele restringe as saídas, mas não incentiva o raciocínio passo a passo.

• B. Prompting zero-shot — O prompting zero-shot fornece uma instrução de tarefa sem nenhum exemplo, apoiando-se inteiramente no conhecimento pré-treinado do modelo. Embora possa ser combinado com CoT (zero-shot CoT), sozinho ele não incentiva especificamente o modelo a mostrar etapas intermediárias de raciocínio.

• D. Cache de prompts — O cache de prompts é uma técnica de otimização de infraestrutura que armazena e reutiliza prefixos de prompts para reduzir latência e custo. Ele não tem efeito sobre a qualidade nem sobre a profundidade de raciocínio das respostas do modelo.

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