Amazon AIF-C01: AI 與 ML 基礎知識 — 學習指南

By Laurynas Brazys · 31 July 2026 · #amazon #aif-c01 #certification #exam-prep #study-guide

屬於 AWS AI Practitioner AIF-C01 — 學習指南. 使用經過驗證的解答練習： Amazon 考試中心, 或參加限時模擬考試： ExamRoll.io.

核心概念與模型類型

了解核心術語是建立穩健架構與權衡決策的基礎。監督式學習將輸入對應到標記好的輸出，並分為針對連續目標的迴歸 (regression) 和針對離散類別的分類 (classification)；多類別分類（例如 20 種基因類別）與二元決策會影響模型的選擇和損失函數 (loss functions)。非監督式學習透過叢集 (clustering) 和降維 (dimensionality reduction) 在未標記的資料中找出結構，用於市場區隔 (segmentation) 和異常偵測 (anomaly detection)。常見的演算法家族包括線性模型和樹狀集成模型（可解釋性高、處理表格式資料速度快）、核方法 (kernel methods, SVMs)，以及神經網路（彈性高、對圖像、音訊和文字有高容量）。對於圖像任務，卷積神經網路 (convolutional networks) 或預訓練的視覺基礎模型（可透過 Amazon SageMaker JumpStart 或 Amazon Rekognition Custom Labels 取得）是主流；對於文字任務，transformer 架構則驅動了大型語言模型和序列模型。可解釋性的要求促使從業人員選擇較簡單的模型，或使用如 SageMaker Clarify 這類的解釋性工具。模型選擇需在預測效能、可解釋性、推論延遲和成本之間取得平衡：如果要求透明度，基於樹的模型可能足以應付基因分類；而深度模型則適合高維度的圖像或語言任務。了解這些演算法家族，並知道何時該重用預訓練模型、何時該從頭訓練，有助於引導出高效且合規的解決方案。

機器學習生命週期、資料與特徵管理

機器學習的生命週期始於問題定義、資料收集、標記、特徵工程、訓練、驗證、部署、監控和迭代。在 AWS 環境中，SageMaker 可協調許多生命週期的階段：使用 SageMaker Processing 進行資料轉換，使用 SageMaker Feature Store 進行集中式特徵儲存與線上/離線服務，以及使用 SageMaker Pipelines 實現模型工作流程的 CI/CD。標籤品質和類別平衡是常見的瓶頸；應投資於穩健的標註流程，或使用 SageMaker Ground Truth 來減少雜訊標籤，並利用主動學習 (active learning) 來集中人力。特徵血緣 (feature lineage) 和存取控制對於可重現性與治理至關重要；應在 SageMaker Model Registry 中註冊特徵和模型，並在 Amazon S3 中使用生命週期政策對資料集進行版本控制。對於生產環境，應納入使用 SageMaker Model Monitor 的自動化模型監控，以偵測資料漂移 (data drift)、概念漂移 (concept drift) 和準確度下降，並透過 Amazon CloudWatch 和 AWS Lambda 整合警報。架構流程時應具備冪等性 (idempotency) 和復原能力：使用事件驅動模式（S3 事件、Step Functions），並根據延遲和吞吐量需求設計可擴展的運算和儲存——例如在 EC2/GPU 或 Trainium 上進行訓練，在 Inf1/Neptune/Graviton 執行個體上進行推論。

評估、演算法與常見陷阱

選擇評估指標和基準線 (baselines) 是一項決定性的實踐。對於分類問題，應考慮精確率 (precision)、召回率 (recall)、F1-score，以及 ROC 曲線下面積 (area under the ROC curve)；對於多類別分類，則使用各類別的召回率以及宏觀/微觀平均值 (macro/micro averages)。迴歸評估則使用 RMSE、MAE 和 R-squared。對於生產環境的服務，執行效率的衡量指標包括尾部延遲 (tail latency, P95/P99)、吞吐量（每秒請求數），以及每次推論的成本。常見的陷阱包括：在不平衡的資料集上選擇準確率 (accuracy) 作為指標、在測試資料上過度進行超參數調整導致過擬合 (overfitting)，以及當機率值用於商業決策時忽略了校準 (calibration)。應使用交叉驗證 (cross-validation) 和保留驗證 (holdout validation)，並實作基準模型（簡單的啟發式方法），以確保機器學習能帶來附加價值。當標記資料稀少時，可使用遷移學習 (transfer learning)、針對圖像的資料增強 (data augmentation)，或半監督式方法。為了可解釋性和合規性，可將不透明的模型與事後解釋器（如 SHAP、integrated gradients）配對使用，並整合 SageMaker Clarify。在 AWS 上常見的演算法選擇包括：使用 XGBoost 處理表格式資料並透過 SageMaker 進行快速訓練、在 GPU 執行個體上透過 Torch/TensorFlow 使用 CNN 處理圖像，以及使用 SageMaker 上的 Hugging Face 或 Bedrock 基礎模型進行檢索增強生成 (retrieval-augmented generation) 來處理文字。

基礎模型、部署模式與安全性

基礎模型能加速開發，但也帶來了獨特的架構選擇和安全性考量。Amazon Bedrock 提供對多種基礎模型的託管式存取，並支援微調 (fine‑tuning)、檢索增強生成 (RAG) 工作流程，以及與向量儲存 (vector stores) 的整合，例如用於語意搜尋的 Amazon OpenSearch Service (k-NN) 或 Amazon Kendra。根據資料量和安全需求，在微調 (fine‑tuning)、指令微調 (instruction‑tuning) 或輕量級適配器 (lightweight adapters) 之間進行選擇。若要實現低延遲、高吞吐量的推論，可考慮將優化後的模型部署在 Amazon EC2 Inf1 (Inferentia) 上，或使用 SageMaker Neo/Edge Manager 來編譯模型並將其託管於邊緣裝置上；若要在裝置上實現絕對最低的延遲推論，則需要透過 SageMaker Edge Manager 或 AWS IoT Greengrass 進行模型量化 (quantization)、剪枝 (pruning) 和本地執行，這會在模型大小與準確性之間做出取捨。安全性模式包括 VPC 端點、用於 Bedrock 的 AWS PrivateLink、嚴格的 IAM 角色、用於敏感資料的 KMS 支援 S3 加密，以及稽核日誌記錄。為減少幻覺 (hallucination) 和提示詞攻擊 (prompt attacks)，應實作護欄 (guardrails)：輸入清理 (input sanitization)、提示詞模板、回應過濾器，以及 RLHF 或後處理檢查。使用 CloudTrail 監控使用情況和異常的 API 呼叫，並實作速率限制和異常偵測，以保護模型存取和資料隱私。

實務問題：使用案例情境

情境：GreenGene Labs 使用一個 AWS AI 環境，其中 Amazon S3 用於存放原始資料，SageMaker 用於模型開發，Amazon Bedrock 用於實驗基礎模型。他們在嚴格的存取控制下維護敏感的基因組和臨床元數據，並需要可擴展的推論能力以支援研究儀表板。

挑戰：將人類基因樣本分為 20 個類別，並具備透明的決策邏輯；在團隊間維持特徵的重複使用；並為研究人員部署一個受監控的低延遲 API。

建議方法：

使用 SageMaker Processing 和 Ground Truth 來準備和標註資料，並將整理好的特徵儲存在 SageMaker Feature Store 中。
在 SageMaker Training 中訓練可解釋的模型 (例如 XGBoost、決策樹)；在 SageMaker Model Registry 中註冊模型並記錄其血緣關係 (lineage)。
將最佳模型部署到一個具備自動擴展 (autoscaling) 功能、位於 Application Load Balancer 後方的 SageMaker 端點；啟用 SageMaker Model Monitor 以偵測模型漂移 (drift) 並設定 CloudWatch 警報。
為了實驗更大型的表徵 (representations)，可使用 Bedrock 或 Hugging Face 模型來生成嵌入 (embeddings)，並新增一個 OpenSearch 向量索引以進行相似性搜尋；將其與可解釋的模型結合以進行最終分類。

理由：集中式的特徵管理和可重現的管線能減少資料外洩並加速協作，而優先採用可解釋的模型滿足了透明度的需求，Bedrock 嵌入則能在不犧牲治理的情況下實現更豐富的表徵。

所有領域 · 生成式 AI 概念 →

練習這些題目 → · 在 ExamRoll.io 上限時練習 →