AIF-C01#100(fundamentals-ai-ml)
ある企業が基盤モデル（FM）をトレーニングしています。同社は、モデルの精度を特定の受け入れレベルまで向上させたいと考えています。 この要件を満たすソリューションはどれですか？
正解：B
正解の根拠
エポック数を増やすと、モデルが訓練データを繰り返し学習する回数が増加し、損失が下がり精度が向上していく傾向があります。基盤モデル (FM) のファインチューニングや事前学習でも、適切なエポック数の選択が精度受け入れ基準達成の鍵となります。Bedrock Custom Model や SageMaker JumpStart でエポック数を調整可能です。
主要ハイパーパラメータの効果
| パラメータ | 効果 |
|---|---|
| エポック数増 | 学習回数増→精度向上 (過学習注意) |
| バッチサイズ | 収束安定性に影響 |
| 学習率 | 収束速度に影響 |
| 温度 | 推論時の応答多様性 |
不正解の理由
- A: バッチサイズの単純な減少は収束安定性に影響しますが、精度向上のための主要レバーではありません。
- C: エポック数の減少は学習不足 (Underfitting) を招き精度が低下するため、要件と逆方向の調整となります。
- D: 温度パラメータは推論時の生成多様性を制御する設定で、訓練時の精度向上とは無関係です。
コメント