AWS Certified AI Practitioner (AIF-C01)

모의고사 2

65개 문제와 90분 시간 제한으로 실제 시험을 시뮬레이션하세요. AI 검증 답안과 상세 해설로 학습하세요.

65문제90분700/1000합격 점수

실전형 문제 보기

AI 기반

3중 AI 검증 답안 및 해설

GPT Pro, Claude Opus, Gemini Pro가 답안과 해설을 교차 검증합니다. 선택지별 근거부터 요구사항 분해와 정답 아키텍처까지 확인하세요.

GPT Pro

Claude Opus

Gemini Pro

선택지별 상세 해설

심층 문제 분석

3개 모델 합의 정확도

실전형 문제

문제 1

IT 운영 팀이 8~12개의 순차적인 service log와 5개의 metric anomaly를 분석해 인시던트를 진단하기 위해 LLM을 사용합니다. 팀은 최종 root cause와 remediation을 정당화하는 번호가 매겨진 step-by-step reasoning trace와 intermediate calculation(예: latency delta, error-rate ratio)을 모델이 생성해야 한다고 요구합니다. 어떤 prompt engineering 기법이 이 요구사항을 가장 잘 충족합니까?

합격 루틴을 앱에서 이어가세요

실전 모의고사, AI 해설, 약점 회독과 학습 분석을 모두 제공합니다.

합격 후기(11)

R****Nov 26, 2025

학습 기간: 1 month

I found this practice questions and explanations very aligned with actual certification exam.

함

함***Nov 24, 2025

학습 기간: 2 weeks

문제 좋네요. 비슷한 유형들이 꽤나 많았어요

진

진**Nov 23, 2025

학습 기간: 1 month

실무에서 ai 서비스 개발 중이어서 문제 풀 때 쉬웠고, 시험도 무난하게 합격했어요

향

향******Nov 10, 2025

학습 기간: 2 weeks

실제 시험 문제 절반이 비슷했고, 나머지는 새로보는 유형이었어요

C************Nov 10, 2025

학습 기간: 1 month

I learned about this certification only with these questions and passed it after learning for 2 days

다른 모의고사

모의고사 1

65 문제·90분·합격 700/1000

모의고사 3

65 문제·90분·합격 700/1000

← 모든 AWS Certified AI Practitioner (AIF-C01) 문제 보기

지금 학습 시작하기

Cloud Pass를 다운로드하고 AWS Certified AI Practitioner (AIF-C01) 자격증 학습을 이어가세요.

문제 2

지역 healthcare provider가 scheduling과 insurance 질문에 답하고 vector index에서 clinic policy를 retrieve하는 large language model(LLM) 기반 triage chatbot을 배포하고 있습니다. red-team testing 중 500개의 adversarial prompt 중 12%가 temperature 0.2와 8,192-token context window가 설정되어 있음에도 model이 masked sample ID를 reveal하도록 유도했습니다. sensitive information이나 unsafe behavior를 유도하려는 prompt-injection 및 jailbreak attempt의 risk를 가장 효과적으로 줄이는 action은 무엇입니까?

문제 3

한 media-streaming platform은 3 AWS Regions에서 150개의 ML inference container를 운영하며 분당 25,000건의 요청을 처리합니다. 회사는 이러한 워크로드를 중앙에서 추적하고 경고하면서 P95 latency, 5xx error rate, GPU/CPU utilization을 관리할 수 있는 highly scalable AWS service가 필요합니다. 어떤 AWS service를 사용해야 합니까?

문제 4

한 물류 회사가 창고 지붕의 고해상도 drone image 60,000장으로 구성된 labeled dataset을 custom damage-detection model 훈련용으로 만들어야 합니다. 요구사항은 labeling accuracy 최소 98%, annotation error 1% 미만 유지, 15,000장 이미지 batch당 48시간 turnaround 달성, incorrect annotation risk 최소화입니다. 어떤 solution이 이러한 요구사항을 충족합니까?

문제 5

한 지역 의료 클리닉은 Amazon Bedrock의 foundation model(FM)을 사용해 환자 질문에 답하는 triage assistant를 운영합니다. 이 시스템은 하루 약 18,000건의 query를 처리하며, 클리닉은 클리닉별 정책에 대한 정확도를 높이기 위해 6,000개의 curated example로 FM을 fine-tuning하려고 합니다. 어떤 전략이 모델을 성공적으로 fine-tuning할 수 있습니까?

문제 6

원격진료 플랫폼은 긴급할 가능성이 있는 환자 메시지를 표시하는 text classification ML model을 training했습니다. 회사는 이 model을 web 및 mobile app용 real-time endpoint로 노출해야 하며, 평균 초당 10개 요청과 짧은 burst 시 최대 50 RPS를 예상하고, p95 latency 300ms 미만을 요구하며, 서버를 provisioning하거나 유지 관리하지 않는 fully managed pay-per-use hosting solution을 원합니다. 어떤 solution이 이러한 요구사항을 충족합니까?

문제 7

채용 플랫폼은 resume data와 과거 채용 결과를 기반으로 인터뷰 후보자를 추천하는 ML model을 구축하고 있습니다. 팀은 250,000건의 training dataset과 매주 retraining job 이후에 protected attributes(성별 및 연령, age bucket 18-24 vs 55+ 사용)에 대한 bias를 감지하고 보고해야 합니다. 또한 disparate impact ratio(< 0.8이면 flag) 같은 fairness metric을 계산하고, real-time inference 결과를 설명하기 위해 prediction별 feature attribution을 생성하며, 모든 bias/explainability report를 Amazon S3에 저장해야 합니다. 어떤 solution이 이러한 요구사항을 충족합니까?

문제 8

(2개 선택)

한 healthcare analytics 스타트업은 Amazon SageMaker real-time inference endpoint에 이루어진 모든 request를 log로 기록하고, logs를 5년 동안 안전하게 보관하며 가능한 최저 비용을 유지해야 합니다. 어떤 AWS service와 Amazon S3 storage class 조합이 이러한 요구사항을 충족합니까? (두 가지를 선택하세요.)

문제 9

한 insurance analytics 팀은 3개 AWS Regions에서 5개의 ML models(2개의 real-time SageMaker endpoints와 3개의 batch transform jobs)를 운영하고 있으며, data drift와 model quality degradation을 자동으로 탐지하고 보고해야 합니다(예: rolling 24-hour window 동안 F1 또는 accuracy가 5% 넘게 떨어지는 경우). 이 작업은 기존 training pipeline을 변경하지 않고 수행되어야 하며, alerts는 Amazon CloudWatch로 전송하고 summaries는 audit을 위해 Amazon S3에 저장해야 합니다. 어떤 AWS service 또는 feature를 사용해야 합니까?

문제 10

한 e-commerce 회사는 Amazon Bedrock에서 Retrieval Augmented Generation(RAG) chatbot을 출시해 home fitness equipment에 대한 customer inquiry를 하루 약 12,000건 처리합니다. 그러나 최근 대화의 18%에서 정치적 설득이나 지지가 포함되었고, 이는 사용자가 local election 전에 training tip을 요청했을 때 발생했습니다. topic level에서 political content를 식별하고 차단하면서 product comparison과 workout advice는 계속 허용하려면 어떤 Amazon Bedrock guardrail을 구성해야 합니까? 예로는 정치 campaign이나 political ideology가 있습니다.