Questão 30 — Amazon AIF-C01 Simulado | AWS Certified AI Practitioner Questões e Respostas

Explicação: O ajuste fino envolve o treinamento de um modelo de IA pré-treinado em um conjunto de dados rotulado específico para uma tarefa ou domínio específico, adaptando-o à terminologia e aos requisitos do setor. Esse processo ajusta os parâmetros do modelo para melhor atender ao caso de uso alvo, como compreender vocabulário especializado ou atender necessidades específicas de domínio. Extrato exato dos documentos de IA da AWS: Do Guia do usuário do AWS Bedrock: "O ajuste fino permite que você adapte um modelo básico pré-treinado ao seu caso de uso específico, treinando-o em um conjunto de dados rotulado. Essa técnica é comumente usada para personalizar modelos para terminologia específica do setor, melhorando sua precisão para tarefas especializadas." (Fonte: Guia do usuário do AWS Bedrock, personalização de modelo) Opção detalhada A: aumento de dadosO aumento de dados envolve a geração de dados sintéticos para expandir um conjunto de dados de treinamento, normalmente para tarefas como geração de imagem ou texto. Não adapta especificamente os modelos à terminologia ou aos requisitos da indústria. Opção B: Ajuste fino Esta é a resposta correta. O ajuste fino treina um modelo pré-treinado em um conjunto de dados rotulado adaptado ao domínio de destino, permitindo-lhe aprender a terminologia e os requisitos específicos do setor, conforme descrito na pergunta. Opção C: quantização do modelo A quantização do modelo reduz a precisão dos pesos de um modelo para otimizá-lo para implantação (por exemplo, em dispositivos de borda). Não envolve treinamento em conjuntos de dados rotulados ou adaptação à terminologia do setor. Opção D: Pré-treinamento contínuo O pré-treinamento contínuo estende o treinamento inicial de um modelo em um conjunto de dados grande e geral. Embora possa melhorar o desempenho geral, não é especificamente adaptado aos requisitos da indústria usando conjuntos de dados rotulados, ao contrário do ajuste fino. Referência: Guia do usuário do AWS Bedrock: Personalização de modelos (https://docs.aws.amazon.com/bedrock/latest/userguide/custom-models.html) Caminho de aprendizagem do AWS AI Practitioner: Módulo sobre treinamento e personalização de modelos Guia do desenvolvedor do Amazon SageMaker: modelos de ajuste fino (https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html)