2025年AWS认证机器学习MLOps流程中训练与推理实例类型的端到端规划专题试卷及解析.pdfVIP

2025年AWS认证机器学习MLOPS流程中训练与推理实例类型的端到端规划专题试卷及解析1

2025年AWS认证机器学习MLOps流程中训练与推理实

例类型的端到端规划专题试卷及解析

2025年AWS认证机器学习MLOps流程中训练与推理实例类型的端到端规划专题

试卷及解析

第一部分：单项选择题（共10题，每题2分）

1、在AWS上进行大规模深度学习模型训练时，以下哪种实例类型最适合需要多

GPU并行计算的场景？

A、t3.medium

B、m5.large

C、p3.2xlarge

D、c5.4xlarge

【答案】C

【解析】正确答案是C。p3实例系列专为深度学习训练设计，配备NVIDIAV100

GPU，适合多GPU并行计算。A和B选项是通用型实例，不适合GPU计算；D选项

是计算优化型实例，但不配备GPU。知识点：AWS实例类型选择。易错点：容易混淆

计算优化型实例和GPU实例的适用场景。

2、当需要部署实时推理服务且对延迟要求极高时，以下哪种实例类型最合适？

A、inf1.xlarge

B、g4dn.xlarge

C、c5.large

D、r5.large

【答案】A

【解析】正确答案是A。inf1实例系列专为推理优化，配备AWSInferentia芯片，提

供极低延迟和高吞吐量。B选项适合GPU推理，但延迟不如inf1；C和D是通用型实

例，推理性能较差。知识点：推理实例选择。易错点：容易忽略专用推理芯片的优势。

3、在SageMaker中进行分布式训练时，以下哪种策略最适合处理超大规模数据集？

A、单机多卡

B、多机多卡

C、数据并行

D、模型并行

【答案】C

【解析】正确答案是C。数据并行适合处理超大规模数据集，可将数据分片到多个

实例上并行处理。A和B是硬件配置，不是策略；D适合模型过大无法单机存储的情

况。知识点：分布式训练策略。易错点：容易混淆数据并行和模型并行的适用场景。

2025年AWS认证机器学习MLOPS流程中训练与推理实例类型的端到端规划专题试卷及解析2

4、以下哪种AWS服务最适合自动化MLOps流程中的模型训练和部署？

A、EC2

B、Lambda

C、SageMakerPipelines

D、ECS

【答案】C

【解析】正确答案是C。SageMakerPipelines专为MLOps设计，提供端到端的自

动化工作流。A和B需要手动编排；D是容器编排服务，不专门针对机器学习。知识

点：MLOps工具选择。易错点：容易忽略专用MLOps工具的优势。

5、在成本优化方面，以下哪种实例类型最适合不中断的长期训练任务？

A、Spot实例

B、按需实例

C、预留实例

D、竞价实例

【答案】C

【解析】正确答案是C。预留实例适合长期稳定使用，成本最低。A和D可能被中

断，不适合长期训练；B成本最高。知识点：实例购买模式。易错点：容易混淆Spot实

例和预留实例的适用场景。

6、当需要处理大规模特征工程时，以下哪种AWS服务最合适？

A、SageMakerProcessing

B、EC2

C、Lambda

D、RDS

【答案】A

【解析】正确答案是A。SageMakerProcessing专为特征工程设计，支持分布式处

理。B需要手动配置；C不适合计算密集型任务；D是数据库服务。知识点：特征工程

工具选择。易错点：容易忽略专用处理服务的优势。

7、在模型监控方面，以下哪种SageMaker功能最适合检测数据漂移？

A、ModelMonitor

B、Debugger

C、Clarify

D、Explainability

【答案】A

【解析】正确答案是A。ModelMonitor专门用于监控模型性能和数据漂移。B用于

训练调试；C用于模型解释；D用于可解释性分析。知识点：模型监控工具。易错点：

2025年AWS认证机器学习MLOPS流程中训练与推理实例类型的端到端规划专题