综合模拟 2：考前验证

第 1 题 · D1 · 单选

公司每天把本地 NFS 上新增的训练文件增量传到 S3，需要调度、完整性验证和传输加密，并希望最低运维。应使用什么？

手写 cron + 多线程 SCP Amazon Kinesis Data Streams AWS DataSync CloudWatch Metric Streams

第 2 题 · D1 · 多选

原始事件进入 S3 后，团队要建立可重复的数据准备流程。哪些做法合理？选择三项。

保留不可变原始区，并给派生数据记录版本/分区在 pipeline 中执行 schema 和数据质量规则每次手工覆盖唯一训练文件且不记录来源在切分前用测试集统计量填补训练数据记录转换代码、参数、输入和输出 lineage

第 3 题 · D1 · 匹配

把需求与首选摄取/传输服务匹配。

可由多个消费者重放的 AWS 原生事件流缓冲并自动交付流数据到 S3 迁移现有 Apache Kafka 客户端并使用托管集群本地文件系统与 S3 的计划增量传输

第 4 题 · D1 · 单选

S3 上的训练数据很大，算法支持顺序读取。团队希望容器在数据到达时立即开始训练，避免先把完整数据集下载到训练卷。应使用哪种输入模式？

Pipe mode File mode，并要求完整预下载 CloudTrail data events EBS snapshot archive

第 5 题 · D1 · 排序

排列实时行为特征进入在线预测的主要数据流。

第 1 步第 2 步第 3 步第 4 步

第 6 题 · D1 · 单选

构建客户在某历史时刻的训练样本时，必须避免使用该时刻之后才产生的特征值。应采用什么方法？

总是取 offline store 中每个客户的最新值把测试数据提前写回训练数据关闭 event time 字段按事件时间执行 point-in-time correct join

第 7 题 · D1 · 多选

哪些数据准备做法能提高稳健性并保持评估可信？选择三项。

用全部数据估计填补值后再切分只在训练 split 拟合填补、编码和缩放参数对异常值使用领域合理的截尾/稳健转换，并保留规则删除所有缺失行且不评估分布影响线上监控缺失率和类别词汇变化

第 8 题 · D2 · 单选

只有少量已标注产品图片，但有与任务相关的预训练图像模型。希望缩短训练并提高效果。首选方法是什么？

从随机权重训练超大模型通过 JumpStart/预训练模型进行 transfer learning 只增加 S3 分区使用 K-means 替代图像分类

第 9 题 · D2 · 单选

数千个高度相关的数值特征导致训练慢。团队希望无监督地投影到较少的正交成分，并尽量保留方差。应使用什么？

Principal Component Analysis (PCA) Object Detection DeepAR IP Insights

第 10 题 · D2 · 多选

配置自动超参数调优时，哪些做法合理？选择三项。

定义与业务目标一致的 objective metric 把模型工件 URI 当作要最大化的数值指标为 learning rate 使用合理范围，必要时采用 log scaling 为树深等离散参数使用 integer 范围让训练和验证使用完全相同样本

第 11 题 · D2 · 匹配

把任务与 SageMaker 内置算法匹配。

多个相关时间序列概率预测流式数值异常检测文本分类或词向量学习高维对象的低维 embedding

第 12 题 · D2 · 单选

欺诈分类器遗漏欺诈的成本远高于人工复核正常交易。保持模型不变时，哪项调整通常能减少 false negatives？

提高正类决策阈值，从而降低 recall 只报告 accuracy 删除所有正类样本降低正类决策阈值，接受更多 false positives

第 13 题 · D2 · 多选

高风险模型上线前，哪些评估做法最合理？选择三项。

使用未参与训练和调参的测试集按关键群体和业务 slice 检查错误率只看训练集最高 accuracy 忽略解释，因为总体指标足够验证特征归因和预期用途/限制

第 14 题 · D2 · 单选

客服助手必须基于频繁更新的内部政策回答，并返回来源引用。团队不想每次更新文档都重新微调模型。首选什么？

把全部文档永久写进 system prompt 只提高 temperature Amazon Bedrock Knowledge Bases 的 RAG 每小时从零预训练基础模型

第 15 题 · D3 · 匹配

把工作负载与 SageMaker 推理方式匹配。

持续低延迟在线流量，可使用 GPU CPU、小请求、间歇流量、接受冷启动大 payload、长处理、可排队并 scale-to-zero 对 S3 大数据集做无持久 endpoint 的离线预测

第 16 题 · D3 · 单选

公司有数百个同框架的小型区域模型，每个流量很低。希望共享 endpoint 计算，并按请求动态加载指定模型。首选什么？

SageMaker multi-model endpoint 每个模型创建独立的常驻大实例 endpoint CloudTrail Lake Glue Data Catalog

第 17 题 · D3 · 多选

为 real-time endpoint 配置 target tracking 自动扩缩时，哪些做法合理？选择三项。

选择与负载相关的 InvocationsPerInstance 等指标把模型版本号作为扩缩指标根据启动时间设置合理 cooldown 设置符合容量与成本边界的 min/max capacity 关闭所有 CloudWatch 指标

第 18 题 · D3 · 排序

排列模型代码变更后的 CI/CD/CT 主流程。

第 1 步第 2 步第 3 步第 4 步第 5 步

第 19 题 · D3 · 单选

新训练数据到达特定 S3 prefix 时，应自动启动 SageMaker Pipeline，且不运行轮询服务器。最合适的触发方式是什么？

人工每天检查 S3 控制台常驻 EC2 每秒轮询 Quick dashboard refresh Amazon EventBridge 规则根据 S3 事件启动 pipeline

第 20 题 · D4 · 单选

endpoint 的 ModelLatency 保持稳定，但 OverheadLatency 随请求 payload 增大而上升。最合理的解释是什么？

模型计算一定变慢平台传输/处理请求响应的额外开销增加训练标签突然变平衡 Model Registry 自动删除了模型

第 21 题 · D4 · 多选

关于 SageMaker Model Monitor，哪些说法正确？选择三项。

Data quality monitoring 可比较生产输入与 baseline 没有 ground truth 也能直接计算真实生产 accuracy Model quality monitoring 需要将预测与后续 ground truth 对齐 Model Monitor 用来记录所有 IAM API 调用者可监控 bias drift 或 feature attribution drift

第 22 题 · D4 · 匹配

把安全需求与最直接的 AWS 能力匹配。

控制谁能调用 SageMaker API 管理数据加密密钥发现 S3 敏感数据审计 AWS API 活动记录 VPC 网络接口流元数据

第 23 题 · D4 · 单选

训练作业已配置在客户 VPC 子网中，但合规要求还规定训练容器不得进行任何入站或出站网络调用。还应启用什么？

只增加 NAT gateway CloudWatch dashboard SageMaker network isolation Quick SPICE

第 24 题 · D4 · 多选

新模型部署后错误率和业务损失快速上升。哪些是合理的第一阶段响应？选择三项。

按预设 guardrail 回滚到已知良好版本保留 metrics、logs、trace、CloudTrail 和部署证据删除所有日志以降低成本比较模型、数据、配置和流量变化以定位原因立即把同一坏版本扩到更多流量

第 25 题 · D4 · 单选

团队要为特定模型比较 SageMaker 实例的延迟、吞吐和成本，并通过自动负载测试获得推荐。应使用什么？

AWS Config conformance pack Amazon Macie classification job CloudTrail Lake query SageMaker Inference Recommender

结果	下一步
总分 ≥ 80%，各 Domain ≥ 75%，节奏稳定	进入轻量复习并锁定考试日期
总分 75-79%，只有一个明确弱项	定向补 2-3 天，再做官方练习或新题验证
总分 < 75% 或多个 Domain < 70%	回到决策表和章节练习，推迟完整模拟 4-7 天

MLA-C01 综合模拟题 2

验证协议

模拟题

结果判断