AI/ML パイプラインのコンポーネントの説明と区別
Components of the AI/ML Pipeline and How They Differ
AI 生成試験ガイド v1.1 準拠人による確認：未実施
このページの内容は、AWS 公式の試験ガイドをもとに AI が作成しました。誤りを含む可能性があります。正式な情報は公式の試験ガイドで確認してください。
概要
AI/ML パイプラインは循環する流れである： → 探索 → 前処理 → → → チューニング → → → 、そして再びデータへ。v1.1 では各コンポーネントを「区別」できることが求められ、従来の ML だけでなく の流れも含む。
The AI/ML pipeline is a loop: collect data → explore → preprocess → engineer features → train → tune → evaluate → deploy → monitor, then back to data. v1.1 asks you to distinguish the components, covering generative AI workflows as well as classic ML.
主な用語
| 日本語 | English |
|---|---|
| しゅうしゅう | Data collection |
| たんさくてきデータぶんせき | Exploratory Data Analysis |
| まえしょり | Data preprocessing |
| Feature engineering | |
| Model training | |
| Hyperparameter tuning | |
| ひょうか | Evaluation |
| Deployment | |
| Monitoring |
解説
日本語の解説は準備中です。上の概要と用語表で要点を確認し、確認テストで理解度を確かめてください。
出典：AWS Certified AI Practitioner (AIF-C01) 試験ガイド Domain 1 › Task 1.3
項目名と要約は本サイトによるものです。試験ガイドの原文は公式サイトで確認してください。
読み終えたら「学習済み」にしましょう。確認テストで 80% 以上正解すると「習得済み」になります。
D1 確認テスト 1 へ