Məzmuna keç
TokIQ
Öyrənmə

AWS AI Practitioner (AIF-C01) nümunə sınaq sualları

Beş imtahan domenini əhatə edən 12 orijinal AIF-C01 sınaq sualı: düzgün cavab və digər variantların niyə səhv olduğu izahı ilə.

TokIQ Editorial10 dəq oxu
Bu məqalədə
  1. AIF-C01 imtahan faktları bir baxışda
  2. Domen 1: Fundamentals of AI and ML
  3. Domen 2: Fundamentals of GenAI
  4. Domen 3: Applications of Foundation Models
  5. Domen 4: Guidelines for Responsible AI
  6. Domen 5: Security, Compliance, and Governance for AI Solutions
  7. Nəticəni necə qiymətləndirmək olar
  8. Bu suallar necə yazılıb
  9. Daha çox AIF-C01 sualı həll et

Aşağıda AWS Certified AI Practitioner (AIF-C01) imtahanı üçün 12 orijinal sınaq sualı var. Hər birinin düzgün cavabı və qısa izahı, o cümlədən digər variantların niyə səhv olduğu verilib. Suallar beş rəsmi domeni real imtahandakı nisbətə yaxın əhatə edir ki, imtahan gününə qədər zəif yerlərini tapa biləsən.

Cavabı oxumazdan əvvəl hər sualı özün cəhd et. Əvvəlcə təxmin edib sonra yoxlamaq məşqin yadda qalmasını təmin edir. Cavabı dərhal oxumaq isə daha çox öyrənmək hissi yaradır.

Əsas nəticələr

  • AIF-C01-də 90 dəqiqəyə 65 sual (50-si balla sayılır) var və keçmək üçün 1.000 baldan 700 şkala balı lazımdır.
  • 3-cü domen, Applications of Foundation Models, balın 28%-idir, ona görə aşağıdakı 12 sualdan 4-ü ondandır.
  • AIF-C01 suallarının çoxu model qura bilib-bilmədiyini yox, biznes ehtiyacını düzgün konsepsiya və ya AWS xidməti ilə uyğunlaşdıra bilib-bilmədiyini yoxlayır.
  • İki cavab da düzgün görünürsə, foundational səviyyəli ssenaridə AWS adətən daha ucuz, idarə olunan və daha az fərdiləşdirilmiş variantı istəyir.

AIF-C01 imtahan faktları bir baxışda

Bu faktlar rəsmi AIF-C01 imtahan bələdçisindən və AWS Certified AI Practitioner səhifəsindən götürülüb, 2026-10-21 tarixində yoxlanılıb. Faktların tam siyahısı, hər domenin nəyi əhatə etdiyi və hazırlıq planı üçün AIF-C01 imtahan hazırlığı səhifəmizə bax.

FaktRəsmi dəyər
Suallar65 (50 balla sayılır, 15 balsız)
Vaxt90 dəqiqə
Keçid balı700 (şkala balı 100–1.000)
Qiymət100 USD
Sual növləriMultiple choice, multiple response, ordering, matching
DomenÇəkiAşağıdakı suallar
1. Fundamentals of AI and ML20%1–2
2. Fundamentals of GenAI24%3–4
3. Applications of Foundation Models28%5–8
4. Guidelines for Responsible AI14%9–10
5. Security, Compliance, and Governance for AI Solutions14%11–12

Cari imtahan bələdçisi 1.1 versiyasıdır və 30 aprel 2026-da dərc olunub. O, məqsədlərə agentic AI, context engineering, Model Context Protocol (MCP) və Amazon Bedrock AgentCore mövzularını əlavə edib, ona görə köhnə sınaq dəstləri bu mövzuları buraxa bilər.

Domen 1: Fundamentals of AI and ML

Sual 1

Pərakəndə satış şirkəti müştərilərini alış davranışına görə qruplaşdırmaq istəyir. Qruplar üçün əvvəlcədən etiketlər yoxdur. Bu tapşırığa maşın öyrənməsinin hansı növü uyğundur?

  • A. Təsnifat modeli ilə supervised learning
  • B. Klasterləşdirmə ilə unsupervised learning
  • C. Mükafat funksiyası ilə reinforcement learning
  • D. Reqressiya modeli ilə supervised learning

Cavab: B. Klasterləşdirmə unsupervised metoddur: etiketi olmayan verilənlərdə qrupları tapır. Təsvir olunan vəziyyət də məhz budur.

  • A və D səhvdir, çünki supervised learning etiketli nümunələr (məlum qruplar və ya məlum rəqəmsal hədəflər) tələb edir, şirkətdə isə belə nümunə yoxdur.
  • C səhvdir, çünki reinforcement learning agenti mühitdəki hərəkətlərə görə mükafatla öyrədir. Burada nə agent var, nə də hərəkət.

Sual 2

Model təlim verilənlərində 98% dəqiqliyə çatır, amma əvvəl görmədiyi yeni verilənlərdə cəmi 71% göstərir. Ən ehtimal olunan problem nədir?

  • A. Underfitting
  • B. Overfitting
  • C. Təlim dəstində data drift
  • D. Inference endpoint-i çox kiçikdir

Cavab: B. Overfitting modelin təlim verilənlərini, o cümlədən səs-küyünü də həddindən artıq yaxından öyrənməsi deməkdir, ona görə yeni verilənlərə ümumiləşdirə bilmir. Təlim və validasiya nəticələri arasındakı böyük fərq klassik əlamətdir.

  • A səhvdir, çünki underfit model təlim verilənlərində də zəif nəticə göstərir.
  • C səhvdir, çünki drift istehsal verilənlərinin təlimdən sonra zamanla dəyişməsini ifadə edir.
  • D səhvdir, çünki instance ölçüsü sürətə və xərcə təsir edir, dəqiqliyə yox.

Domen 2: Fundamentals of GenAI

Sual 3

Komanda serverləri ayırmadan və idarə etmədən, bir API vasitəsilə bir neçə provayderin foundation modellərini çağıran çatbot qurmaq istəyir. Hansı AWS xidməti ən yaxşı uyğun gəlir?

  • A. Fərdi training job ilə Amazon SageMaker AI
  • B. Amazon Bedrock
  • C. GPU instance-lı Amazon EC2
  • D. Amazon Comprehend

Cavab: B. Amazon Bedrock Amazon-un və digər model provayderlərinin foundation modellərinə API girişi verən tam idarə olunan xidmətdir, ona görə işlətməli infrastruktur yoxdur.

  • A səhvdir, çünki training job öz modelini qurmaq və ya tənzimləmək üçündür, komandaya isə bu lazım deyil.
  • C səhvdir, çünki modelləri EC2-də özün host etmək serverləri idarə etmək deməkdir, bu da tələbin əksidir.
  • D səhvdir, çünki Amazon Comprehend təbii dilin emalı xidmətidir (varlıqlar, sentiment, təsnifat), ümumi təyinatlı foundation modelləri çağırmaq üçün deyil.

Sual 4

Şirkət istifadəçilər promptun içinə uzun sənədlər yapışdıranda generativ AI xərclərinin kəskin artdığını görür. Bunu nə izah edir?

  • A. On-demand model qiymətləndirməsi adətən giriş və çıxış tokenlərinin sayına əsaslanır.
  • B. Uzun promptlar modeli yenidən öyrətməyə məcbur edir.
  • C. Qiymət API istifadəçilərinin sayına əsaslanır.
  • D. Uzun promptlar həmişə daha böyük model istifadə edir.

Cavab: A. Mətn modelləri adətən token üzrə hesablanır. Token mətnin bir parçasıdır (çox vaxt sözün hissəsi). Yapışdırılmış uzun sənəd hər sorğuya çoxlu giriş tokeni əlavə edir, ona görə xərc prompt uzunluğu ilə artır.

  • B səhvdir, çünki inference modeli yenidən öyrətmir.
  • C səhvdir, çünki istifadəçilərin sayı sorğu başına xərci müəyyən etmir.
  • D səhvdir, çünki modeli tətbiq seçir, prompt uzunluğu yox.

Domen 3: Applications of Foundation Models

Sual 5

Bank sabit hesabat şablonunu doldurmaq üçün foundation modeldən istifadə edir. Eyni sorğular arasında cavablar çox fərqlənir. Hansı inference parametri dəyişikliyi ən çox kömək edir?

  • A. Temperature-u artırmaq
  • B. Temperature-u azaltmaq
  • C. Maksimum çıxış uzunluğunu artırmaq
  • D. Stop sequence-ləri silmək

Cavab: B. Temperature modelin növbəti tokeni seçərkən təsadüfilik dərəcəsini idarə edir. Aşağı temperature çıxışı daha fokuslu və ardıcıl edir, bu da şablon doldurmağa uyğundur.

  • A səhvdir, çünki yüksək temperature çıxışı daha müxtəlif və yaradıcı edir, bu da bankın istədiyinin əksidir.
  • C səhvdir, çünki çıxış uzunluğu cavabın nə qədər uzun ola biləcəyini məhdudlaşdırır, ardıcıllığını yox.
  • D səhvdir, çünki stop sequence-lər generasiyanı yalnız seçilmiş nöqtədə bitirir.

Sual 6

Şirkət HR siyasətləri üzrə suallara cavab verən daxili assistent istəyir. Siyasətlər hər ay dəyişir və cavablar cari versiyanı əks etdirməlidir. Hansı yanaşma ən sərfəlidir?

  • A. Siyasətlər üzərində yeni foundation modeli pre-train etmək
  • B. Hər ay yeni siyasətlər üzərində modeli fine-tune etmək
  • C. Amazon Bedrock Knowledge Bases ilə Retrieval Augmented Generation (RAG) istifadə etmək
  • D. Bütün siyasətləri few-shot prompta nümunə kimi yapışdırmaq

Cavab: C. RAG sual verilən anda cari sənədlərdən uyğun hissələri tapır və onları modelə kontekst kimi verir. Siyasətlər dəyişəndə knowledge base-i yeniləmək kifayətdir, yenidən öyrətməyə ehtiyac yoxdur.

  • A səhvdir, çünki pre-training fərdiləşdirmə variantları arasında ən bahalısıdır.
  • B səhvdir, çünki hər ay fine-tuning vaxt və pul aparır, üstəlik fine-tuning faktları aktual saxlamaqdan çox üslubu və ya tapşırığı öyrətmək üçün yaxşıdır.
  • D səhvdir, çünki bütün siyasətləri hər promptun içinə yapışdırmaq token xərcini artırır və kontekst pəncərəsini aşa bilər. Nümunələr formatı öyrədir, sənəd toplusunu yox.

RAG sənin üçün yenidirsə, retrieval-augmented generation bələdçimiz bu yanaşmanı addım-addım izah edir.

Sual 7

Prompt modeldən dəstək biletlərini beş kateqoriyadan birinə aid etməsini istəyir, amma model öz kateqoriya adlarını işlədir. Ən sadə prompt engineering düzəlişi hansıdır?

  • A. Dəqiq kateqoriya adlarından istifadə edən bir neçə etiketli nümunə əlavə etmək (few-shot prompting)
  • B. Modeli 10.000 bilet üzərində fine-tune etmək
  • C. Temperature-u qaldırmaq
  • D. Daha böyük modelə keçmək

Cavab: A. Dəqiq etiketləri olan bir neçə işlənmiş nümunə modelə gözlənilən çıxışı göstərir. Təlimatda icazə verilən kateqoriyaları sadalamaq da kömək edir. Bunu yoxlamaq heç nəyə başa gəlmir və daha ağır variantlardan əvvəl ilk addımdır.

  • B səhvdir, çünki fine-tuning işləyə bilər, amma əvvəlcə promptu düzəltməkdən qat-qat bahalıdır.
  • C səhvdir, çünki yüksək temperature çıxışı daha az proqnozlaşdırıla bilən edir.
  • D səhvdir, çünki prompt gözlənilən formatı heç göstərmirsə, daha böyük model də etiket uydura bilər.

Zero-shot və few-shot prompting yazımız nümunələrin nə vaxt kömək etdiyini və nə vaxt əks effekt verdiyini izah edir.

Sual 8

Komanda modelin yaratdığı xülasələri insanların yazdığı istinad xülasələri ilə müqayisə etmək üçün avtomatik metrik istəyir. Hansı metrik bunun üçün hazırlanıb?

  • A. ROUGE
  • B. Mean squared error
  • C. Şəkil təsnifatı üçün F1 score
  • D. Latency

Cavab: A. ROUGE (Recall-Oriented Understudy for Gisting Evaluation) yaradılmış mətnlə istinad mətni arasındakı üst-üstə düşməni ölçür və xülasəçıxarmada geniş istifadə olunur. İmtahan bələdçisi həmçinin BLEU (çox vaxt tərcümə üçün), BERTScore və LLM-as-a-judge-i sadalayır.

  • B səhvdir, çünki mean squared error reqressiyada rəqəmsal proqnoz xətasını ölçür.
  • C səhvdir, çünki tapşırıq mətn xülasəsidir, şəkil təsnifatı yox.
  • D səhvdir, çünki latency sürəti ölçür, keyfiyyəti yox.

Domen 4: Guidelines for Responsible AI

Sual 9

Kreditor kredit təsdiqi modelinin müxtəlif yaş qruplarından olan müraciətçilərə qeyri-ədalətli yanaşıb-yanaşmadığını həm təlim verilənlərində, həm də modelin proqnozlarında yoxlamaq istəyir. Hansı AWS imkanı bunun üçün hazırlanıb?

  • A. Amazon SageMaker Clarify
  • B. AWS CloudTrail
  • C. Amazon Textract
  • D. Amazon Bedrock Knowledge Bases

Cavab: A. SageMaker Clarify verilənlərdə və model proqnozlarında potensial qərəzi aşkarlayır, həmçinin giriş xüsusiyyətlərinin proqnozlara necə təsir etdiyini göstərən feature-attribution izahları təqdim edir.

  • B səhvdir, çünki CloudTrail API fəaliyyətini qeyd edir, modelin ədalətliliyini təhlil etmir.
  • C səhvdir, çünki Textract sənədlərdən mətn və verilənləri çıxarır.
  • D səhvdir, çünki Knowledge Bases RAG tətbiqləri üçün retrieval təmin edir.

Sual 10

Tənzimləyicilər şirkətdən hər müştəriyə modelin müraciətini niyə rədd etdiyini izah etməyi tələb edir. Hansı seçim bu tələbi ən yaxşı dəstəkləyir?

  • A. İzah oluna bilməsindən asılı olmayaraq mövcud ən dəqiq dərin neyron şəbəkəsindən istifadə etmək
  • B. Daha izah oluna bilən modeldən istifadə etmək və ya hər qərara hansı xüsusiyyətlərin səbəb olduğunu göstərən explainability alətləri əlavə etmək
  • C. Əqli mülkiyyəti qorumaq üçün modelin girişlərini gizlətmək
  • D. Təlim verilənləri dəstinin ölçüsünü artırmaq

Cavab: B. AWS-də məsuliyyətli AI şəffaflığı və izah oluna bilməni (explainability) əhatə edir. Daha sadə, izah oluna bilən model və ya feature-attribution izahları şirkətə müştəriyə qərara hansı amillərin səbəb olduğunu söyləməyə imkan verir. Performans ilə izah oluna bilmə arasındakı kompromis imtahanda təkrarlanan mövzudur.

  • A səhvdir, çünki heç kimin izah edə bilmədiyi model dəqiq olsa belə tənzimləmə tələbini ödəməyə bilər.
  • C səhvdir, çünki girişləri gizlətmək şəffaflığı azaldır.
  • D səhvdir, çünki daha çox verilən dəqiqliyi yaxşılaşdıra bilər, amma ayrı-ayrı qərarları izah etmir.

Domen 5: Security, Compliance, and Governance for AI Solutions

Sual 11 (iki seçin)

Amazon Bedrock üzərində qurulmuş müştəri çatbotu təlimatlarını ləğv etmək cəhdlərini bloklamalı və cavablarda müştərilərin şəxsi məlumatlarını açıqlamamalıdır. Bu tələblərə hansı iki tədbir cavab verir? (İKİ variant seçin.)

  • A. Amazon Bedrock Guardrails-i prompt attack filter ilə konfiqurasiya etmək
  • B. Amazon Bedrock Guardrails-in sensitive information filter-lərini şəxsi məlumatları maskalamaq və ya bloklamaq üçün konfiqurasiya etmək
  • C. Modelin temperature-unu artırmaq
  • D. Sistem promptunu açıq Amazon S3 bucket-də saxlamaq
  • E. Hücumçular oxuya bilməsin deyə logging-i söndürmək

Cavab: A və B. Guardrails jailbreak və prompt injection kimi prompt hücumlarını aşkarlaya bilir, sensitive information filter-ləri isə giriş və çıxışlarda şəxsi identifikasiya məlumatlarını (PII) bloklaya və ya maskalaya bilir. Birlikdə hər iki tələbi ödəyirlər.

  • C səhvdir, çünki temperature təsadüfiliyi dəyişir, təhlükəsizliyi yox.
  • D səhvdir, çünki açıq bucket sistem promptunu hər kəsə açır.
  • E səhvdir, çünki audit və insident araşdırması üçün loglar lazımdır. Düzgün həll onlara girişi məhdudlaşdırmaqdır, söndürmək yox.

Hücumun özü barədə daha çox məlumatı prompt injection izahı yazımızda tapa bilərsən.

Sual 12

Auditor şirkətdən son 90 gün ərzində Amazon Bedrock API-lərini kimin və nə vaxt çağırdığını göstərməsini istəyir. Bu qeydi hansı AWS xidməti verir?

  • A. AWS CloudTrail
  • B. Amazon Inspector
  • C. AWS Trusted Advisor
  • D. Amazon Macie

Cavab: A. CloudTrail AWS hesabında edilən API çağırışlarını qeyd edir: hər çağırışı kimin, nə vaxt və haradan etdiyini. Bu, belə sual üçün audit izidir.

  • B səhvdir, çünki Amazon Inspector iş yüklərini proqram zəifliklərinə görə skan edir.
  • C səhvdir, çünki Trusted Advisor xərc, təhlükəsizlik və limitlər üzrə ən yaxşı təcrübə tövsiyələri verir.
  • D səhvdir, çünki Amazon Macie Amazon S3-də həssas məlumatları aşkarlayır.

Nəticəni necə qiymətləndirmək olar

12 sualdan neçəsini düz cavablandırdığını say və ümumi nəticədən çox, hansı domenlərdə səhv etdiyinə bax. On iki sual imtahan nəticəsini proqnozlaşdırmaq üçün azdır. 3-cü domendəki bir səhv 4-cü domendəki səhvdən yalnız ona görə daha vacibdir ki, real imtahanda 3-cü domenin çəkisi iki dəfə böyükdür.

  • 10–12 düz: vaxtlı, tam uzunluqlu məşqə keç və səhv etdiyin suallara qayıtmağa davam et.
  • 7–9 düz: səhv etdiyin domenlərin məqsədlərinə imtahan bələdçisində qayıt.
  • 6 və ya az: konseptlərdən başla. Prompt engineering öyrənmə yolumuz 2 və 3-cü domenlərin arxasındakı GenAI ideyalarını əhatə edir.

Səhv etdiyin suallar düz cavabladıqlarından daha dəyərlidir. Yanlış cavabı niyə seçdiyini yaz, sonra bir neçə gün sonra buna bənzər sual həll et.

Bu suallar necə yazılıb

TokIQ Editorial bu sualları AIF-C01 imtahan bələdçisindəki (1.1 versiyası) tapşırıq ifadələrinə əsasən yazıb. Bunlar real imtahan sualları deyil və heç bir question dump-dan götürülməyib. AWS imtahan məzmununu məxfi saxlayır. İmtahan faktları yuxarıda keçidi verilmiş AWS səhifələri ilə 2026-10-21 tarixində yoxlanılıb. TokIQ Amazon Web Services ilə əlaqəli deyil və onun tərəfindən təsdiqlənməyib.

Microsoft-un AI əsasları imtahanına da hazırlaşırsan? AI-901 sınaq suallarımıza bax, orada AI-900-ün yerinə nəyin gəldiyi də izah olunur.

Daha çox AIF-C01 sualı həll et

Hər gün bu cür qısa dəst istəyirsənsə, TokIQ-də (Google Play-də, iPhone üçün tezliklə) AIF-C01 hazırlıq rejimi var: səhv etdiyin sualları aralıqlı təkrarla qaytaran gündəlik sessiya, ən zəif domenə üstünlük verən seçim və sınaq imtahanları. Hər sual əsaslandığı rəsmi AWS mənbəyinə istinad edir və hər cavabdan sonra öz dilində izah var.

Associate səviyyəsinə hazırsan? MLA-C02 nümunə suallarına bax və ya variantları ilk hansı AI sertifikatını seçmək yazısında müqayisə et.

Tez-tez verilən suallar

Bunlar real AIF-C01 imtahan sualları deyil ki?

Xeyr. 12 sualın hamısını TokIQ Editorial rəsmi AWS imtahan bələdçisindəki məqsədlərə əsasən məşq üçün yazıb. Real imtahan sualları məxfidir: namizədlər məxfilik sazişini qəbul edir, ona görə imtahan dump-ı kimi satılan dəstlər qısa yol deyil, risk deməkdir. Onlardan cavabları əzbərləmək üçün yox, anladığını yoxlamaq üçün istifadə et.

AWS Certified AI Practitioner imtahanında neçə sual var?

AIF-C01 imtahanında 90 dəqiqəyə 65 sual var. Əlli sual balına sayılır, 15-i isə AWS-in sınaqdan keçirdiyi balsız suallardır və hansı olduğunu ayırd etmək olmur. Cavabsız qalan suallar səhv sayılır, təxmin etməyə görə cərimə yoxdur (AWS imtahan bələdçisi, 2026-10-21 tarixində yoxlanılıb).

AIF-C01-i keçmək üçün neçə bal lazımdır?

100-dən 1.000-ə qədər şkalada 700 şkala balı lazımdır. Qiymətləndirmə kompensasiyalıdır: imtahanı bütövlükdə keçirsən və ya kəsilirsən, hər domeni ayrıca keçmək lazım deyil (AWS imtahan bələdçisi, 2026-10-21 tarixində yoxlanılıb).

AIF-C01-də hansı domenə daha çox məşq etməliyəm?

Applications of Foundation Models balla sayılan məzmunun 28%-i ilə ən böyük domendir, ardınca 24% ilə Fundamentals of GenAI və 20% ilə Fundamentals of AI and ML gəlir. Responsible AI və Security, Compliance and Governance hər biri 14%-dir. Məşq vaxtını təxminən bu nisbətdə böl.

AIF-C01 imtahanında hansı sual növləri var?

İmtahan bələdçisi dörd növ sadalayır: multiple choice (dörd variantdan bir düzgün cavab), multiple response (beş və ya daha çox variantdan iki və ya daha çox düzgün cavab, bal üçün hamısı lazımdır), ordering və matching. Yuxarıdakı 11-ci sual multiple-response nümunəsidir.

  • #AIF-C01
  • #AWS Certified AI Practitioner
  • #sınaq sualları
  • #sertifikat imtahanı

İndi məşq et

TokIQ prompt engineering-i qısa quizlərə çevirir, hər cavabın izahı ilə.

TezlikləApp StoreYüklə:Google Play

Daha yaxşı prompt yaz, gündə bir neçə sualla.

Real prompting qərarları üzrə qısa quizlər, hər cavab üçün izah. iPhone və Android-də pulsuz başla.

TezlikləApp StoreYüklə:Google Play