데이터브릭스 생성형 AI 엔지니어 자격증 기출 문제 덤프 6/6 (마지막 45문제)

Databricks Certified Generative AI Engineer 자격증 취득을 위한 덤프 5번째 시리즈입니다. 실전 시험의 난이도를 반영한 기출 유형들로 학습 효율을 극대화하세요.

반복적인 문제 풀이는 자격증 합격을 위한 가장 확실한 방법입니다. 마지막 덤프로 합격하시길 바랍니다.

참고해 주세요! 기출 덤프의 특성상 일부 문제나 선지, 정답에 오류가 있을 수 있습니다. 학습 시 이상한 점이 있다면 교재나 공식 문서를 통해 정답을 다시 한번 확인해 보시는 것을 추천합니다.”

데이터브릭스 생성형 AI 엔지니어 자격증 기출 문제 덤프 6/6 (마지막 45문제)

Question 1

생성형 AI 엔지니어가 RAG 애플리케이션용 처리량 모델 제공 엔드포인트를 구축했습니다. 현재는 마이크로서비스를 사용하여 들어오는 요청과 나가는 응답을 원격 서버에 기록하고 있지만, 동일한 작업을 수행하는 Databricks의 기본 기능을 찾고 있습니다. 어떤 기능을 사용해야 할까요?

1. 벡터 검색 (Vector Search)

2. DBSQL

3. 추론표 (Inference Tables)

4. 레이크뷰 (Lakeview)

Question 2

여러 단계로 진행되는 챗봇을 설계할 때, 각 단계에 걸쳐 대화 상태를 추적하는 것이 왜 중요할까요?

1. 응답의 무작위성을 높이기 위해.

2. 맥락보다 속도를 우선시하는 것.

3. 맥락이 유지되도록 하여 일관성 있고 적절한 답변을 도출하기 위함입니다.

4. 컨텍스트 크기를 제한하여 응답 길이를 줄입니다.

Question 3

생성형 AI 엔지니어가 LangChain을 사용하여 고객 데이터베이스를 조회하는 간단한 체인을 코딩해야 합니다. 이 체인은 사용자의 이메일 ID를 기반으로 사용자 정보를 추출해야 합니다. 필수적인 구성 요소는 무엇일까요?

1. 데이터베이스를 조회하는 리트리버, 응답을 처리하는 LLM, 그리고 쿼리 생성을 위한 프롬프트 템플릿입니다.

2. 쿼리 결과를 요약하는 모델.

3. 하드코딩된 이메일 쿼리를 위한 규칙 기반 시스템.

4. 사용자 이메일을 분류하는 분류 모델.

Question 4

생성형 AI 엔지니어가 기술 지원 플랫폼을 위한 QA 시스템을 설계하고 있습니다. 이 시스템은 부정확한 문제 해결 단계를 생성하지 않도록 하는 안전장치를 포함해야 합니다. 가장 효과적인 해결책은 무엇일까요?

1. 문제 해결 가이드를 간략화하려면 요약 모델을 사용하십시오.

2. 모델의 온도를 낮춰 무작위성을 제한하십시오.

3. LLM에게 기술 매뉴얼 및 지원 가이드에 대한 교육을 실시합니다.

4. 검증 단계 및 검색 기반 증강과 같은 LLM 가이드라인을 구현하십시오.

Question 5 복수 선택

생성형 AI 엔지니어는 사용자의 선호도를 기반으로 개인 맞춤형 여행 일정을 생성하는 파이프라인을 설계하는 임무를 맡았습니다. 시스템은 예산, 선호 목적지 및 활동 유형을 고려해야 합니다. 최적의 접근 방식은 무엇일까요? (두 가지를 선택하세요)

1. 규칙 기반 시스템을 사용하여 사용자를 미리 정의된 여정과 연결하세요.

2. 임베딩 모델을 사용하여 사용자 선호도와 목적지를 문맥에 맞게 표현합니다.

3. 분류 모델을 사용하여 여행 유형별로 사용자 선호도를 분류합니다.

4. LLM을 사용하여 사용자 입력에 맞춰 완벽한 여행 일정을 생성하세요.

5. 요약 모델을 사용하여 사용자 입력을 간결한 설명으로 압축합니다.

Question 6

생성형 AI 엔지니어가 법률 문서 분석을 위한 RAG 애플리케이션을 배포하고 있습니다. 이 시스템은 제한된 권한을 가진 다중 사용자 접근을 지원해야 합니다. 어떤 접근 제어 조치를 구현해야 할까요?

1. 사용자 역할에 따라 권한을 할당하려면 역할 기반 접근 제어(RBAC)를 사용하십시오.

2. 개발을 간소화하기 위해 접근 제어 없이 애플리케이션을 배포하세요.

3. 모든 사용자가 공유하는 액세스 키를 사용하십시오.

4. 인증 없이 네트워크 수준의 제한에 의존합니다.

Question 7

생성형 AI 엔지니어가 여러 공개 소스에서 법률 문서를 수집하는 RAG 애플리케이션을 설계하고 있습니다. 데이터 소스의 법률 준수를 보장하기 위해 어떤 거버넌스 조치를 취해야 할까요?

1. 비상업적 용도의 경우 라이선스 확인을 건너뛰세요.

2. 각 데이터 소스의 라이선스 조건을 확인하고 상업적 사용이 허용되는지 확인하십시오.

3. 모든 공개 데이터는 검증 없이 상업적으로 사용할 수 있다고 가정합니다.

4. 라이선스 확인 없이 데이터를 사용할 수 있지만, 응용 프로그램 결과물에 출처를 명시해야 합니다.

Question 8

생성형 AI 엔지니어는 LLM이 제품 Descriptions을 생성하는 데 사용한 결과물의 품질을 평가해야 합니다. 어떤 정성적 평가에 중점을 두어야 할까요?

1. 관련성, 창의성 및 사실적 정확성.

2. 길이와 스타일의 일관성.

3. 응답 생성 속도.

4. 사용된 고유 단어 수.

Question 9

생성형 AI 엔지니어는 전자상거래 고객 지원을 위해 검색 증강 생성(RAG) 애플리케이션을 배포해야 합니다. 이 시스템을 구축하는 데 있어 중요한 단계는 무엇일까요?

1. 제품 카테고리 분류 모델 학습 -> 검색 도구 배포 -> 쿼리 요약 -> 출력 결과 저장.

2. 검색기 구축 -> 고객 문의 사전 처리 -> 요약기 배포 -> 임베딩을 데이터베이스에 저장.

3. 고객 리뷰를 기반으로 LLM을 세밀하게 조정 -> 검색기를 구축 -> 임베딩을 생성 -> 시스템을 배포.

4. 제품 설명에 대한 임베딩 생성 -> 벡터 검색 인덱스에 임베딩 저장 -> 리트리버를 LLM과 통합 -> 파이프라인용 엔드포인트 배포.

Question 10

문서 검색 기반 AI 시스템이 관련 없는 문서를 너무 많이 검색합니다. 엔지니어는 어떤 전처리 단계를 우선시해야 할까요?

1. 시스템 부하를 줄이기 위해 일부 문서를 무작위로 삭제합니다.

2. 더 많은 맥락 정보를 포함하도록 문서 덩어리 크기를 늘리세요.

3. 토큰 수가 적은 문서에 집중하세요.

4. LLM으로 전달하기 전에 관련성 지표 또는 키워드를 기준으로 문서를 필터링합니다.

Question 11

생성형 AI 엔지니어는 운영 환경에 배포된 LLM의 성능을 모니터링해야 합니다. 어떤 핵심 지표를 우선적으로 살펴봐야 할까요?

1. BLEU와 Perplexity.

2. 정확도 및 F1 점수.

3. 토큰 사용량 및 입출력 길이 비율.

4. 지연 시간, 처리량 및 오류율.

Question 12

생성형 AI 엔지니어는 전자상거래용 다국어 챗봇을 개발하는 임무를 맡았습니다. 이들은 LLM 과정을 선택할 때 어떤 요소를 우선시해야 할까요?

1. 지연 시간 (Latency)

2. 토큰 길이 지원 (Token length support)

3. 다국어 성능 벤치마크 (Multilingual performance benchmarks)

4. 모델 크기 (Model size)

Question 13 복수 선택

생성형 AI 엔지니어는 회사의 브랜딩 및 어조에 부합하는 사용자 문의에 대한 답변을 생성해야 합니다. 어떤 접근 방식이 LLM이 이러한 요구 사항을 충족하도록 보장합니까? (두 가지를 선택하십시오)

1. 응답의 어조를 분류하는 분류 모델을 학습시키세요.

2. 요약 모델을 사용하여 답변을 간소화하세요.

3. 원하는 결과물을 얻으려면 모델의 온도를 조정하십시오.

4. 메타프롬프트를 사용하여 원하는 어조와 스타일을 명확하게 정의하세요.

5. 회사 문서 및 커뮤니케이션 지침에 대한 LLM 과정을 세밀하게 조정하세요.

Question 14 복수 선택

생성형 AI 엔지니어는 LangChain을 사용하여 사용자 입력을 처리하고, 관련 데이터를 검색하고, 대화형 응답을 생성하는 챗봇용 체인을 설계해야 합니다. 이 체인에는 무엇이 포함되어야 할까요? (두 가지를 선택하세요)

1. 사용자의 입력을 구조화하기 위한 프롬프트 템플릿, 관련 데이터를 검색하는 도구, 그리고 응답을 생성하는 LLM입니다.

2. 검색에 대한 사용자 의도를 식별하는 분류기.

3. 답변 길이를 줄이기 위한 요약 모델.

4. 고정된 응답을 위한 하드코딩 템플릿.

Question 15

생성형 AI 엔지니어는 여러 조각난 문서에서 텍스트를 추출하여 Unity Catalog를 사용하여 Delta Lake 테이블에 저장해야 합니다. 올바른 작업 순서는 무엇일까요?

1. 텍스트를 청크 단위로 나누지 않고 모든 텍스트를 한 번에 Delta Lake 테이블에 기록합니다.

2. Delta Lake 테이블에 데이터를 기록한 후 스키마를 정의하십시오.

3. 텍스트를 저장하기 전에 요약 모델을 사용하여 전처리하십시오.

4. 텍스트를 청크로 분할 -> Delta Lake 스키마 정의 -> 청크들을 일괄 처리 -> Delta Lake 테이블에 기록.

Question 16

생성형 AI 엔지니어는 LLM이 개인 맞춤형 운동 조언을 제공할 수 있도록 안내 메시지를 설계해야 합니다. 이 조언에는 권장 운동 루틴, 칼로리 목표, 수분 섭취 요령이 포함되어야 합니다. 가장 효과적인 안내 메시지는 무엇일까요?

1. 사용자에게 일반적인 운동 원칙을 설명하십시오.

2. 사용자의 운동 목표를 실행 가능한 단계로 요약하세요.

3. 사용자 데이터를 기반으로 운동 관련 조언을 생성합니다.

4. 사용자의 입력 정보를 바탕으로 운동 루틴, 일일 칼로리 목표량, 수분 섭취 요령 등 개인 맞춤형 피트니스 조언을 제공합니다.

Question 17

생성형 AI 엔지니어가 법률 문서에서 답변을 추출하는 RAG 시스템을 구축하고 있습니다. 문서에는 사건 타임스탬프 및 중복된 메타데이터와 같은 불필요한 정보가 포함되어 있습니다. 어떤 전처리 전략을 구현해야 할까요?

1. 메타데이터가 포함된 문서는 완전히 제외합니다.

2. 문서의 완전성을 유지하기 위해 메타데이터를 필터링하지 않고 모든 문서를 처리합니다.

3. 전처리 과정에서 문서의 모든 메타데이터를 제거합니다.

4. 사건명 및 인용 정보와 같은 사건별 정보는 유지하면서 관련 없는 메타데이터를 필터링합니다.

Question 18

생성형 AI 엔지니어가 회의록을 요약하는 AI 도구를 개발하고 있습니다. 이 도구는 핵심 요점, 실행 항목 및 결정 사항을 식별해야 합니다. 이러한 요구 사항에 가장 적합한 모델 작업은 무엇일까요?

1. 개체명 인식 (Named entity recognition)

2. 감정 분석 (Sentiment analysis)

3. 텍스트 분류 (Text classification)

4. 텍스트 요약 (Text summarization)

Question 19

생성형 AI 엔지니어가 여행 챗봇을 개발하고 있습니다. 이 챗봇은 사용자의 여행지 관련 질문에 답변하고, 액티비티를 추천하며, 숙박 시설을 추천해야 합니다. 이러한 사용 사례에 가장 적합한 모델 작업은 무엇일까요?

1. 텍스트 분류 (Text classification)

2. 검색 증강 생성(RAG)

3. 개체명 인식 (Named entity recognition)

4. 요약 (Summarization)

Question 20

생성형 AI 엔지니어는 고객 불만 사항을 추출하는 RAG 애플리케이션에 사용할 이메일 데이터세트를 필터링해야 합니다. 많은 이메일에는 인삿말, 작별 인사, 그리고 관련 없는 정보가 포함되어 있습니다. 가장 적합한 전처리 단계는 무엇일까요?

1. 맥락을 유지하기 위해 모든 텍스트를 그대로 두십시오.

2. 필터링하기 전에 유사도 점수를 기준으로 이메일을 그룹화합니다.

3. 사전 처리 과정에서 일반적인 인삿말과 마무리 멘트를 제거합니다.

4. 50단어 미만의 이메일은 제외합니다.

Question 21

생성형 AI 엔지니어는 스캔한 영수증에서 추출한 구조화된 텍스트를 Delta Lake 테이블에 저장하는 파이프라인을 구축하는 임무를 맡았습니다. 어떤 순서로 저장해야 일관성과 효율성을 보장할 수 있을까요?

1. 원본 텍스트에 정규 표현식을 적용하고 결과를 Delta Lake에 직접 기록합니다.

2. Spark를 사용하여 스키마를 정의하고, OCR을 적용하여 텍스트를 추출하고, 구조화된 데이터를 Delta Lake에 기록합니다.

3. 수동으로 데이터를 정리하고 Delta Lake 테이블에 로드합니다.

4. 스키마를 정의하지 않고 추출된 원시 텍스트를 Delta Lake에 기록합니다.

Question 22 복수 선택

생성형 AI 엔지니어는 배포된 RAG 애플리케이션이 데이터 거버넌스 관련 기업 규정 준수 기준을 충족하는지 확인해야 합니다. 어떤 단계가 특히 중요합니까? (두 가지 선택)

1. 감사 로그를 사용하여 엔드포인트 쿼리 및 응답을 추적하십시오.

2. 중앙 집중식 관리를 위해 모든 모델을 Unity 카탈로그에 등록하세요.

3. 비용을 절감하려면 공용 벡터 저장소를 사용하세요.

4. 배포된 모델에 대한 메타데이터 구성을 건너뜁니다.

5. 모델을 임베딩하지 않고 LLM에만 의존하세요.

Question 23

생성형 AI 엔지니어가 고객 피드백 양식을 기반으로 고객 리뷰를 생성하는 애플리케이션을 설계하고 있습니다. 일부 입력 항목에는 민감한 데이터가 포함되어 있습니다. 엔지니어는 이를 어떻게 처리해야 할까요?

1. 민감한 입력값을 허용하되, 모델이 민감한 출력값을 생성하지 않도록 해야 합니다.

2. 피드백을 마스킹 없이 직접 처리하고 출력을 모니터링합니다.

3. 입력 데이터에서 이름이나 연락처와 같은 민감한 정보는 처리하기 전에 마스킹 처리하십시오.

4. 민감한 세부 정보를 일반화하기 위해 요약 모델을 사용하십시오.

Question 24

생성형 AI 엔지니어는 MLflow를 사용하여 배포된 RAG 애플리케이션을 평가해야 합니다. 어떤 평가 지표가 가장 관련성이 높을까요?

1. 훈련 손실 및 검증 정확도.

2. 처리량 및 쿼리당 비용.

3. 검색 관련성 지표로는 정밀도와 재현율, 그리고 응답 정확도 지표로는 BLEU 또는 ROUGE 등이 있습니다.

4. 지연 시간 및 오류율.

Question 25

생성형 AI 엔지니어는 데이터베이스 쿼리를 수행하는 에이전트를 위한 프롬프트 템플릿을 설계해야 합니다. 이 템플릿은 create_record, update_record, delete_record와 같은 사용 가능한 함수를 노출해야 합니다. 어떤 프롬프트 구조가 가장 효과적일까요?

1. 사용 가능한 함수 목록(create_record, update_record, delete_record)과 사용 방법을 제공하십시오.

2. 데이터베이스 스키마를 요약하고 모델이 기능을 추론하도록 합니다.

3. “필요에 따라 데이터베이스 레코드를 조작하세요.”와 같은 일반적인 지침을 사용하세요.

4. 모델에게 학습 데이터를 기반으로 특정 행동을 수행하도록 지시합니다.

Question 26

생성형 AI 엔지니어는 소셜 미디어 콘텐츠 검열 시스템에서 유해 콘텐츠 생성을 방지하기 위해 언어 모델용 메타프롬프트를 만들어야 합니다. 메타프롬프트는 무엇을 강조해야 할까요?

1. 유해하거나 악의적인 문구를 차단하기 위한 문맥 필터링 기능.

2. 참여도를 높이기 위해 다양한 답변을 활용하세요.

3. 중복을 줄이기 위한 무작위 샘플링.

4. 복잡성을 최소화하기 위해 더 간결한 질문을 사용합니다.

Question 27

생성형 AI 엔지니어는 RAG 시스템의 반응에서 자극적인 출력을 해결하여 시스템의 품질을 개선하는 임무를 맡았습니다. 공격적인 출력을 완화하는 가장 효과적인 조치는 무엇일까요?

1. 상위 데이터는 수집 전에 수동 검토를 통해 선별합니다.

2. RAG의 예상 동작 방식을 사용자에게 알려주세요.

3. 상위 데이터 업데이트 빈도를 높이세요.

4. 데이터 소스에 대한 접근 권한을 제한된 수의 사용자에게만 부여하십시오.

Question 28

생성형 AI 엔지니어가 RAG 시스템에 사용할 학술 논문 데이터세트를 필터링하는 작업을 맡았습니다. 이 논문들에는 감사의 글이나 부록과 같은 관련 없는 부분이 포함되어 있습니다. 가장 효과적인 접근 방식은 무엇일까요?

1. 검색 시 맥락을 최대한 활용하려면 논문 전체를 사용하십시오.

2. 전처리 과정에서 감사의 글이나 부록과 같은 불필요한 부분을 걸러냅니다.

3. 일관성을 유지하기 위해 모든 섹션을 하나의 문서로 병합하세요.

4. 완전성을 위해 모든 항목을 보관하십시오.

Question 29

생성형 AI 엔지니어가 소프트웨어 문제 해결을 위한 챗봇을 개발하고 있습니다. 챗봇이 유해한 조치를 제안하는 것을 방지하기 위한 안전장치 전략은 무엇일까요?

1. 정확성보다 응답 속도를 우선시하십시오.

2. 챗봇 응답 시간을 줄이세요.

3. 미리 정의된 필터를 사용하여 안전하지 않거나 잠재적으로 유해한 응답을 제외하세요.

4. 챗봇이 제한 없이 답변을 생성할 수 있도록 허용하세요.

Question 30

생성형 AI 엔지니어는 기술 문서에 대한 검색 증강 생성(RAG) 애플리케이션을 배포해야 합니다. 배포 프로세스의 첫 번째 단계는 무엇입니까?

1. 기술 문서용 벡터 임베딩을 생성합니다.

2. 추론을 위한 엔드포인트를 구성합니다.

3. 요약 기능을 위해 LLM을 세밀하게 조정합니다.

4. Unity 카탈로그에 모델을 등록하세요.

Question 31

생성형 AI 엔지니어는 RAG 시스템 학습을 위해 PNG 형식의 스캔된 법률 문서에서 텍스트를 추출해야 합니다. 이 작업에 가장 적합한 텍스트 추출 도구는 무엇일까요?

1. 텍스트 구분 분석을 위한 pdfplumber.

2. 스캔한 이미지를 읽는 데 PyPDF2를 사용합니다.

3. 텍스트 구분 분석을 위한 BeautifulSoup.

4. 이미지에서 OCR 기반 텍스트 추출을 위한 pytesseract.

Question 32

한 팀에서 법률 문서 검토를 지원하기 위해 RAG 애플리케이션을 배포하고 있습니다. 이 애플리케이션은 임베딩 기능을 사용함에도 불구하고 관련 없는 문서를 자주 검색합니다. 문서 검색 정확도를 개선하기 위해 엔지니어는 어떤 부분을 우선적으로 수정해야 할까요?

1. 검색 성능 향상을 위해 사전 학습된 분류 모델을 추가하세요.

2. 더 많은 맥락 정보를 포함하도록 문서의 청크 크기를 늘리세요.

3. 다양한 검색 결과를 생성하기 위해 무작위 샘플링을 구현하십시오.

4. 의미 유사성에 최적화된 검색기를 사용하고 도메인별 데이터로 임베딩 모델을 학습시키세요.

Question 33 복수 선택

생성형 AI 엔지니어가 회의 요약을 생성하는 시스템을 설계하고 있습니다. 각 요약에는 참가자, 주요 결정 사항 및 다음 단계가 포함되어야 합니다. 어떤 프롬프트 구조가 가장 효과적일까요? (두 가지를 선택하세요)

1. 예시를 추가하세요: 참가자: 앨리스, 밥; 결정 사항: 예산 승인; 다음 단계: 후속 회의 일정 예약.

2. 창의적인 반응을 유도하려면 고온 설정을 활용하세요.

3. “회의 내용을 요약해 주세요.”와 같은 일반적인 안내 문구를 사용하세요.

4. 텍스트를 더 적은 단어로 압축하는 데 집중하세요.

5. 프롬프트에 필드를 지정하세요. 참가자, 주요 결정 사항 및 향후 단계를 포함한 요약을 제공하세요.

Question 34

생성형 AI 엔지니어는 주문 상태, 배송 시간 및 환불에 대한 고객 문의를 자동화하는 다중 에이전트 시스템을 설계하는 임무를 맡았습니다. 에이전트 기능을 효과적으로 노출하는 데 필요한 도구는 무엇입니까?

1. 고객 문의를 요약하기 위해 요약 모델을 사용하세요.

2. 각 유형의 쿼리를 처리할 수 있도록 규칙 기반 시스템을 학습시키세요.

3. 에이전트 기능을 명시하고 각 기능에 대한 예시를 제공하는 프롬프트 템플릿을 만드세요.

4. 주문 세부 정보를 의미론적으로 표현하기 위해 임베딩을 적용합니다.

Question 35

생성형 AI 엔지니어가 제품 추천을 위한 LLM 시스템을 구축해야 합니다. 이 시스템은 비용 효율성과 응답 지연 시간 사이에서 균형을 유지해야 합니다. 어떤 전략을 구현해야 할까요?

1. 컴퓨팅 리소스를 늘려 지연 시간을 줄하는 데만 집중하세요.

2. 여러 모델을 배포하여 동일한 쿼리를 동시에 처리합니다.

3. 사용 가능한 가장 큰 사전 학습된 모델을 사용하십시오.

4. 자주 사용하는 쿼리를 캐싱하는 동시에 추론에는 더 작고 세밀하게 조정된 모델을 사용합니다.

Question 36

생성형 AI 엔지니어가 법률 회사를 위해 RAG 시스템을 구축하고 있습니다. 이 시스템은 계약서에서 관련 조항을 검색하고 변호사가 이해하기 쉽도록 요약합니다. 관련 조항을 정확하게 검색하는 데 가장 중요한 구성 요소는 무엇일까요?

1. 키워드 기반 검색 알고리즘을 사용하세요.

2. 법률 문서 작성을 위한 LLM 과정을 더욱 정교하게 다듬어 보세요.

3. 절의 의미 검색을 위한 벡터 데이터베이스를 구현하세요.

4. 절 추출을 위한 규칙 기반 시스템을 구축하세요.

Question 37 복수 선택

생성형 AI 엔지니어는 과학 연구 논문을 분석하는 다중 사용자 RAG 애플리케이션을 배포해야 합니다. 이 애플리케이션은 민감한 데이터를 보호하면서 동시에 쿼리를 지원해야 합니다. 어떤 조치를 구현해야 할까요? (두 가지를 선택하세요)

1. 동시성 테스트를 건너뛰고 기본 설정으로 배포합니다.

2. 역할 기반 접근 제어(RBAC)를 사용하여 사용자 권한을 관리하세요.

3. 배포를 간소화하려면 공용 벡터 저장소를 사용하십시오.

4. 사용자 인증에는 공유 액세스 키를 사용하십시오.

5. 민감한 콘텐츠를 보호하기 위해 저장 중 및 전송 중인 데이터를 암호화합니다.

Question 38 복수 선택

생성형 AI 엔지니어가 Databricks에 구축된 질의응답 애플리케이션용 LLM 시스템의 비용 대비 성능을 평가하고 있습니다. 팀은 트래픽 증가에 대비한 확장성을 확보해야 합니다. 비용을 모니터링하고 최적화하는 가장 효과적인 전략은 무엇일까요? (세 가지를 선택하세요)

1. 검색 배치 크기를 늘려 정확도를 향상시키세요.

2. 쿼리별 토큰 사용량을 모니터링하여 비용이 많이 드는 작업을 파악하십시오.

3. 더 높은 처리량을 처리할 수 있도록 LLM을 미세 조정하십시오.

4. 수요에 따라 GPU 리소스를 동적으로 확장합니다.

5. 추론 로깅을 사용하여 트래픽이 많은 상황에서 비용 및 성능 추세를 분석하십시오.

Question 39

생성형 AI 엔지니어가 고객 지원 챗봇에서 여러 차례에 걸쳐 대화를 생성하는 파이프라인을 구축하고 있습니다. 여러 차례 대화가 이어지는 과정에서 오류를 최소화하는 접근 방식은 무엇일까요?

1. 대화 길이를 정해진 턴 수로 제한합니다.

2. 응답의 다양성을 높이기 위해 무작위 표본 추출을 사용하십시오.

3. 사용자의 턴 간 컨텍스트를 유지하려면 메모리 또는 상태 추적 기능을 사용하십시오.

4. 매 턴이 끝날 때마다 컨텍스트를 초기화합니다.

Question 40

생성형 AI 엔지니어는 사용자 선호도에 따라 영화를 추천하는 AI 파이프라인을 구축하는 임무를 맡았습니다. 추천 시에는 장르, 사용자 시청 기록, 평점 등을 고려해야 합니다. 이 파이프라인은 어떻게 구성해야 할까요?

1. 분류 모델을 사용하여 영화에 대한 사용자 평점을 예측하세요.

2. 요약 모델을 사용하여 사용자 선호도의 핵심 사항을 강조하세요.

3. 규칙 기반 시스템을 사용하여 사용자에게 적합한 영화를 매칭하세요.

4. 사용자 시청 기록을 가져오는 리트리버와 LLM을 사용하여 개인화된 추천을 생성합니다.

Question 41

생성형 AI 엔지니어는 여러 팀이 동일한 LLM에 접근하는 다중 사용자 애플리케이션을 설계하는 임무를 맡았습니다. 엔지니어는 어떻게 적절한 접근 제어를 보장할 수 있을까요?

1. 애플리케이션의 특정 기능에 대한 접근을 제어하는 역할 기반 권한을 할당합니다.

2. 모든 사용자가 애플리케이션의 전체 기능에 접근할 수 있도록 설정하세요.

3. 사용자별 쿼리에 대한 온도 설정을 구현합니다.

4. 암호화를 사용하여 무단 접근을 제한하십시오.

Question 42

생성형 AI 엔지니어는 실시간 언어 번역을 수행하는 생성형 AI 애플리케이션을 배포해야 합니다. LLM 과정을 선택할 때 가장 중요한 요소는 무엇일까요?

1. 대형 모델 사이즈.

2. 다국어 학습 데이터만 해당됩니다.

3. 낮은 지연 시간과 높은 번역 정확도.

4. 높은 토큰 한도.

Question 43

엔드포인트를 배포할 때 모델의 서명(Model Signature)을 등록하는 주요 이점은 무엇입니까?

1. 이는 모델 학습 효율을 높입니다.

2. 이 기능을 통해 모델 성능을 실시간으로 기록할 수 있습니다.

3. 이는 모델이 올바른 형식으로 입력을 받고 올바른 형식으로 출력을 반환하도록 보장합니다.

4. 추론 중 지연 시간을 줄여줍니다.

Question 44

생성형 AI 엔지니어가 고객의 기술 매뉴얼 관련 질문에 답변하기 위해 LangChain에서 토큰 체인을 구축하고 있습니다. 이 시스템은 4,096 토큰 제한 내에서 긴 매뉴얼도 처리해야 합니다. 엔지니어는 어떤 구조로 체인을 구성해야 할까요?

1. 문의하기 전에 매뉴얼 내용을 짧은 단락으로 요약하세요.

2. 검색 도구를 건너뛰고 문서 전체를 직접 쿼리하세요.

3. 매뉴얼 전체를 분할 없이 처리합니다.

4. 매뉴얼을 관리하기 쉬운 섹션으로 나누려면 청킹 기법을 사용하고, 관련 청크를 가져오려면 리트리버를 사용하며, 답변을 생성하려면 LLM을 사용하십시오.

Question 45 복수 선택

생성형 AI 엔지니어가 Databricks의 RAG 애플리케이션에 LLM을 배포하는 임무를 맡았습니다. 팀은 시스템 성능과 비용을 모두 모니터링해야 합니다. 어떤 도구와 기술을 조합하여 사용해야 할까요? (세 가지를 선택하세요)

1. Databricks에서 LLM을 미세 조정합니다.

2. MLflow를 사용하여 정밀도 및 재현율과 같은 검색 지표를 추적합니다.

3. 컨텍스트 길이를 늘려 토큰 사용량을 줄입니다.

4. GPU 사용률 모니터링을 통해 하드웨어 성능을 최적화합니다.

5. 추론 로깅을 통해 각 쿼리에 대한 토큰 사용량과 응답 지연 시간을 추적합니다.

데이터브릭스 AI 엔지니어 자격증 최종 합격 팁

모든 덤프 학습을 마치셨습니다. 제공된 문제들은 학습의 가이드라인일 뿐이므로, 실제 시험에서는 데이터브릭스 공식 문서(Documentation)와 최신 릴리스 노트를 한 번 더 검토하시는 것이 좋습니다. 그동안 고생 많으셨습니다. 꼭 좋은 결과 있으시길 바랍니다!

데이터브릭스 생성형 AI 엔지니어 자격증 기출 문제 덤프 6/6 (마지막 45문제)

데이터브릭스 AI 엔지니어 자격증 최종 합격 팁

✅ 관련 글을 읽어보세요

Leave a Comment 응답 취소