首页 / AWS / MLS-C01

AWS · MLS-C01

AWS Certified Machine Learning – Specialty

MLS-C01 英文 PDF 练习题，共 369 题，按题库顺序提供题目、原脚本支持的选项、答案及已有解析。本方案仅适用于此考试，一次付费，不自动续费。

考试介绍

这是一项历史机器学习专项认证，关注数据准备、探索分析、建模与 ML 实施运维。

官网标注该认证于 2026-03-31 退役；所列语言为历史信息。

考试代码: MLS-C01
官方考试／认证名称: AWS Certified Machine Learning – Specialty
考试形式: 单选题及多选题
考试时长: 180 分钟
官方考试题量: 65 题
历史官方考试语言: 英文、日文、韩文、简体中文

官方考试语言与下方练习题文件的语言分别列出；实际考试版本及可选语种以官方预约页面为准。

官方来源：官方资料
信息核对日期：2026-10-20

支持的语言

英文
简体中文

先试阅，再决定

前20 题免费试阅

题库共 369 题

题目按题库原始顺序展示。展开查看答案和解析。

免责声明：本站所有题目均整理自互联网，仅供学习参考。

第 16 题

Question#16Topic1

在针对分类问题对神经网络进行小批量训练期间，一位数据科学家注意到训练准确度波动。
这个问题最可能的原因是什么？

A.数据集中的类别分布不平衡。
B.数据集改组已禁用。
C.批量大小太大。
D.学习率非常高。

查看答案与解析

答案

解析

参考：
https://towardsdatascience.com/deep-learning-personal-notes-part-1-lesson-2-8946fe970b95

第 17 题

Question#17Topic1

一名员工在公司的社交媒体提要上发现了一个带音频的视频片段。视频中使用的语言是西班牙语。英语是员工的第一语言，他们不懂西班牙语。员工想要进行情绪分析。
哪种服务组合对完成任务最有效？

A.Amazon Transcribe、Amazon Translate 和 Amazon Comprehend
B.Amazon Transcribe、Amazon Comprehend 和 Amazon SageMaker seq2seq
C.Amazon Transcribe、Amazon Translate 和 Amazon SageMaker 神经主题模型 (NTM)
D.Amazon Transcribe、Amazon Translate 和 Amazon SageMaker BlazingText

查看答案

答案

第 18 题

Question#18Topic1

机器学习专家正在将自定义 ResNet 模型打包到 Docker 容器中，以便公司可以利用 Amazon SageMaker 进行培训。
专家正在使用 Amazon EC2 P3 实例训练模型，需要正确配置 Docker 容器以利用 NVIDIA GPU。
专家需要做什么？

A.将 NVIDIA 驱动程序与 Docker 映像捆绑在一起。
B.构建与 NVIDIA-Docker 兼容的 Docker 容器。
C.组织 Docker 容器的文件结构以在 GPU 实例上执行。
D.在 Amazon SageMaker CreateTrainingJob 请求正文中设置 GPU 标志。

查看答案与解析

答案

解析

https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-dg.pdf 第 55 页：如果您计划使用 GPU 设备，请确保您的容器与 nvidia-docker 兼容。容器中应仅包含 CUDA 工具包。不要将 NVIDIA 驱动程序与映像捆绑在一起。有关 nvidia-docker 的更多信息，请参阅 NVIDIA/nvidia-docker。所以答案是 B https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-dg.pdf

第 19 题

Question#19Topic1

一位机器学习专家正在构建一个逻辑回归模型，该模型将预测一个人是否会点披萨。 Specialist 正在尝试构建具有理想分类阈值的最优模型。
Specialist 应该使用什么模型评估技术来了解不同的分类阈值将如何影响模型的性能？

A.接受者操作特征 (ROC) 曲线
B.误分类率
C.均方根误差 (RMSE)
D.L1范数

查看答案与解析

答案

解析

参考：
https://docs.aws.amazon.com/machine-learning/latest/dg/binary-model-insights.html

第 20 题

Question#20Topic1

交互式在线词典想要添加一个小部件来显示在相似上下文中使用的单词。要求机器学习专家为驱动小部件的下游最近邻模型提供词特征。
专家应该怎么做才能满足这些要求？

A.创建单热词编码向量。
B.使用 Amazon Mechanical Turk 为每个单词生成一组同义词。
C.创建存储与每个其他词的编辑距离的词嵌入向量。
D.下载在大型语料库上预训练的词嵌入。

查看答案与解析

答案

解析

解决方案是词嵌入。由于是交互式在线词典，我们需要预训练的词嵌入，因此答案是D。此外，没有提到在线词典是唯一的，没有预训练的词嵌入。因此我强烈认为答案是D

下载与使用

本资料按考试单独购买，支持 1、3、6 或 12 个月期限。
支付确认后，在“我的练习题”中查看下载入口和准确到期时间。
有效期内可重复下载；到期后需要重新购买。
PDF 仅供购买者个人学习使用，不可转售或公开分享。
已下载至设备的文件不会因权限到期被远程删除。

如何选择适合自己的认证