亚马逊AWS机器学习答案-练习题
本人所整理的劳动成果，转载请务必注明出处，谢谢！
有问题欢迎评论区讨论交流，大家一起学习~
[Module 2 - Introducing Machine Learning]
1.机器学习是有关算法和统计模型的科学研究，依靠推理而不是指令来执行任务
2.强化学习通过与环境交互并学习采取能够获得最大奖励的行动
3.为呼叫中心创建机器学习解决方案，系统模板是将客户转接到适当部门（共有八个可能的部门）
此场景描述了多类别分类问题
4.需要系统响应环境变化以提高性能：强化学习
5.机器学习管道的数据准备阶段设计验证数据是否全部属于统一类型
6.多个国家或地区的数据按缩写字幕顺序列出，哪些阶段涉及到将这些缩写转换为数值：数据准备
7.如果一个模型在训练数据上表现很好，但在评估数据上表现不佳，则属于过拟合模型。正确
8.哪些资源是用于处理机器学习问题的python库：pandas，scikit-learn
9.可以使用哪项Amazon服务部署机器学习实例并运行Jupyter笔记本：Amazon SageMaker
10.选择机器学习作为开发方法有哪些要求：包含大量变量的大型数据集
[Module 3 - Implementing a Machine Learning pipeline with Amazon SageMaker]
1.哪些资源有助于定义机器学习问题：对已标记数据的访问权、可咨询的领域专家
2.准备用于监督分类学习的数据应当具备哪些属性：数据应当已标记、数据应该是生产数据的代表
3.通过检查数据统计信息可以获得什么发现：发现数据异常
4.对于一个可用于训练模型的预处理的数据集，应该如何拆分训练数据：80%用于训练，剩余拆分为测试数据（10%）和验证数据（10%）
5.可以通过Amazon SageMaker机械能单模型和多模型托管。正确
6.混淆矩阵的作用：显示真假阳性和真假阴性
7.相关性热图显示哪些内容：数据集特征之间的相关度（正相关/负相关）
8.pandas支持导入以下哪些文件格式的数据：JSON、CSV
9.使用哪项Amazon服务部署机器学习实例并运行Jupyter笔记本：Amazon SageMaker
10.Amazon SageMaker超参数调优作业的目标是什么：优化模型参数以生成最佳模型
[Module 4 - Implementing a Machine Learning pipeline with Amazon SageMaker]
1.时间序列数据中有哪些常见模式：趋势性、季节性
2.哪些使用案例适合预测：预测仓库中货品必需的库存量、预测办公室的能源消耗
3.哪些数据集可以用作时间序列数据集（core：包含时间）：包含货品、购买日期和数量的销售数据；包含IP地址、页面和时间戳的Web日志
4.对于一个气象站温度读数的数据集（每5分钟记录一次），每天都缺失了几个值，可以采取哪种对策：向前/向后填充缺失值
5.哪些场景展示了适当的下采样示例：使用mean函数将每分钟温度读数转换为小时制；使用sum函数将当日销售订单信息转换为每日总计
6.在时间序列数据中可以观察到哪些季节性示例：每季度、每年、春夏秋冬
7.Amazon Forecast生成P10、P50和P90预测结果。如果使用Amazon Forecast预测鞋靴销量，则可通过P10、P50和P90了解哪些信息（core：P值表示true值将低于预测值的百分比）：P10表示在10%的时间内订购量小于预测值
8.使用Amazon Forecast生成零售预测需要哪些数据集（core：时间序列）：包含时间戳、货品和数量的时间序列数据
9.为了使用可用的数据生成最佳模型，需要执行哪些步骤：使用pandas将数据按时间拆分为训练数据集合测试数据集；通过指定回测窗口，在Amazon Forecast中使用训练数据集；使用测试数据集来比较预测值和实际值
[Module 5 - Introducing Computer Vision (CV)]
1.哪些是计算机视觉的常见使用案例：图像分析、面部识别、家庭安全
2.图像中的对象位置叫什么：边界框
3.Amazon Rekognition提供哪些功能：搜索图像和视频库、识别面部、对图像执行情绪分析
4.当Amazon Rekognition执行预测时，它还会提供一个表示预测置信度的分数。正确
5.Amazon Rekognition在完成视频分析后会对结果执行什么操作：将结果发布到Amazon SNS队列
6.Amazon Rekognition Custom Labels具有哪些功能：标记图像和定义边界框的UI；自动选择机器学习算法
7.要使用Amazon SageMaker Ground Truth自动标记数据功能，所需的最小图像数量为：1250
8.什么是混淆矩阵：确定模型在分类对象时的准确性
9.Amazon SageMaker Ground Truth 清单文件中包含哪些类型的数据：置信度值、创建日期、类名称
10.以下哪些步骤用于为对象检测准备自定义数据集：收集图像、训练模型
[Module 6 - Introducing Natural Language Processing]
1.以下哪个问题不是自然语言处理（NLP）的主要挑战：存储限制
2.NLP应用程序有哪些常见的预处理任务：消除噪声、规范化类似词语
3.NLP早于机器学习系统出现。正确
4.有哪些用于NLP应用程序的常见机器学习模型：词袋、词频和逆文档频率
5.以下哪项不属于文本分析类别：自动更正文本
6.Amazon Transcribe支持哪些功能：将流式传输音频转换为文本；构建多种语言字幕
7.可以如何更改Amazon Polly的单词发音方式：向文本添加语音合成标记语言（SSML）标记
8.哪些功能属于Amazon Comprehend：识别文档中使用的语言；确定文档中包含的情绪（正面、负面、中性或混合）
9.可以使用以下哪项AWS服务根据Amazon Lex聊天机器人的输入来启动工作流：Amazon Lambda
10.当供职于一家为全球受众构建应用程序的公司，可以借助哪些服务分析客户使用应用程序的方式：Amazon Comprehend、Amazon Translate