İçeriğe geç
TokIQ
Öğrenme

AWS AI Practitioner (AIF-C01) Örnek Soruları

Beş sınav alanının tamamından 12 özgün AIF-C01 örnek sorusu; her birinde doğru cevap ve diğer seçeneklerin neden yanlış olduğu.

TokIQ Editorial9 dk okuma
Bu yazıda
  1. Bir bakışta AIF-C01 sınav bilgileri
  2. Alan 1: Fundamentals of AI and ML
  3. Alan 2: Fundamentals of GenAI
  4. Alan 3: Applications of Foundation Models
  5. Alan 4: Guidelines for Responsible AI
  6. Alan 5: Security, Compliance, and Governance for AI Solutions
  7. Kendini nasıl puanlarsın?
  8. Bu sorular nasıl yazıldı?
  9. Daha fazla AIF-C01 sorusuyla pratik yap

Aşağıda AWS Certified AI Practitioner (AIF-C01) sınavı için 12 özgün örnek soru var; her birinin doğru cevabı ve diğer seçeneklerin neden yanlış olduğunu da içeren kısa bir açıklaması mevcut. Bu sorular beş resmi alanı gerçek sınavdakine yakın oranlarda kapsıyor; böylece sınav gününden önce zayıf alanlarını bulabilirsin.

Cevabı okumadan önce her soruyu dene. Önce tahmin edip sonra kontrol etmek pratiği kalıcı yapar; cevabı hemen okumak çoğunlukla sadece öğrenmiş gibi hissettirir.

Öne çıkanlar

  • AIF-C01'de 90 dakikada 65 soru (50'si puanlanır) var ve 1.000 üzerinden 700 ölçeklenmiş puanla geçersin.
    1. alan, Applications of Foundation Models, puanın %28'i; bu yüzden aşağıdaki 12 sorunun 4'ü ondan geliyor.
  • AIF-C01 sorularının çoğu, bir model kurabilir misin diye değil, bir iş ihtiyacını doğru kavramla ya da AWS hizmetiyle eşleştirebilir misin diye test eder.
  • İki cevap da doğru göründüğünde, temel seviye bir senaryoda AWS'nin istediği genellikle daha ucuz, yönetilen (managed) ve daha az özelleştirilmiş seçenektir.

Bir bakışta AIF-C01 sınav bilgileri

Bu bilgiler resmi AIF-C01 sınav kılavuzundan ve AWS Certified AI Practitioner sayfasından geliyor, 2026-10-21 tarihinde kontrol edildi. Tüm bilgiler, her alanın neyi kapsadığı ve bir çalışma planı için AIF-C01 sınav hazırlık sayfamıza bak.

BilgiResmi değer
Soru sayısı65 (50 puanlanır, 15 puanlanmaz)
Süre90 dakika
Geçme puanı700 (100–1.000 ölçeklenmiş puan)
Ücret100 USD
Soru türleriÇoktan seçmeli, çoklu yanıt, sıralama, eşleştirme
AlanAğırlıkAşağıdaki sorular
1. Fundamentals of AI and ML%201–2
2. Fundamentals of GenAI%243–4
3. Applications of Foundation Models%285–8
4. Guidelines for Responsible AI%149–10
5. Security, Compliance, and Governance for AI Solutions%1411–12

Güncel sınav kılavuzu 1.1 sürümü ve 30 Nisan 2026'da yayımlandı. Hedeflere agentic AI, context engineering, Model Context Protocol (MCP) ve Amazon Bedrock AgentCore eklendi; bu yüzden eski soru setleri bu konuları kaçırabilir.

Alan 1: Fundamentals of AI and ML

Soru 1

Bir perakende şirketi müşterilerini satın alma davranışına göre gruplamak istiyor. Grupların mevcut etiketleri yok. Bu görev için hangi makine öğrenmesi türü uygun?

  • A. Sınıflandırma modeliyle supervised learning
  • B. Kümeleme (clustering) ile unsupervised learning
  • C. Ödül fonksiyonuyla reinforcement learning
  • D. Regresyon modeliyle supervised learning

Cevap: B. Kümeleme unsupervised'dır: etiketi olmayan verideki grupları bulur ve anlatılan durum tam olarak budur.

  • A ve D yanlış, çünkü supervised learning etiketli örnekler (bilinen gruplar ya da bilinen sayısal hedefler) gerektirir ve şirketin hiç etiketi yok.
  • C yanlış, çünkü reinforcement learning bir ortamdaki eylemler için ödüllerle bir ajanı eğitir; burada ne ajan var ne eylem.

Soru 2

Bir model eğitim verisinde %98 doğruluk alıyor ama hiç görmediği yeni verilerde yalnızca %71. En olası sorun nedir?

  • A. Underfitting
  • B. Overfitting
  • C. Eğitim setinde veri kayması (data drift)
  • D. Inference endpoint'inin çok küçük olması

Cevap: B. Overfitting, modelin eğitim verisini gürültüsü dahil fazla yakından öğrenmesi ve bu yüzden genelleme yapamaması demektir. Eğitim ve doğrulama performansı arasındaki büyük fark klasik işaretidir.

  • A yanlış, çünkü underfit bir model eğitim verisinde de kötü performans gösterir.
  • C yanlış, çünkü drift, eğitimden sonra üretim verisinin zamanla değişmesini anlatır.
  • D yanlış, çünkü instance boyutu hızı ve maliyeti etkiler, doğruluğu değil.

Alan 2: Fundamentals of GenAI

Soru 3

Bir ekip, sunucu kurmadan ya da yönetmeden, tek bir API üzerinden birkaç sağlayıcının foundation model'lerini çağıran bir chatbot yapmak istiyor. Hangi AWS hizmeti en uygun?

  • A. Özel bir eğitim işiyle Amazon SageMaker AI
  • B. Amazon Bedrock
  • C. GPU instance'larıyla Amazon EC2
  • D. Amazon Comprehend

Cevap: B. Amazon Bedrock, Amazon'un ve diğer model sağlayıcılarının foundation model'lerine API erişimi veren, tam yönetilen bir hizmettir; yani çalıştıracak altyapı yoktur.

  • A yanlış, çünkü eğitim işi kendi modelini kurmak ya da ayarlamak içindir ve ekibin buna ihtiyacı yok.
  • C yanlış, çünkü modelleri EC2'de kendin barındırmak sunucu yönetmek demektir, gereksinimin tam tersi.
  • D yanlış, çünkü Amazon Comprehend bir doğal dil işleme hizmetidir (varlıklar, duygu, sınıflandırma); genel amaçlı foundation model'leri çağırmanın yolu değildir.

Soru 4

Bir şirket, kullanıcılar prompt'a uzun belgeler yapıştırdığında üretken yapay zeka maliyetlerinin keskin biçimde arttığını fark ediyor. Bunu ne açıklar?

  • A. İsteğe bağlı (on-demand) model fiyatlandırması genellikle girdi ve çıktı token sayısına dayanır.
  • B. Uzun prompt'lar modelin yeniden eğitilmesini zorunlu kılar.
  • C. Fiyatlandırma API kullanıcı sayısına dayanır.
  • D. Uzun prompt'lar her zaman daha büyük bir model kullanır.

Cevap: A. Metin modelleri tipik olarak token başına ücretlendirilir ve token, çoğu zaman bir kelimenin parçası olan bir metin parçasıdır. Yapıştırılan uzun bir belge her isteğe çok sayıda girdi token'ı ekler, bu yüzden maliyet prompt uzunluğuyla artar.

  • B yanlış, çünkü inference modeli yeniden eğitmez.
  • C yanlış, çünkü kullanıcı sayısı istek başına maliyeti belirlemez.
  • D yanlış, çünkü modeli prompt uzunluğu değil uygulama seçer.

Alan 3: Applications of Foundation Models

Soru 5

Bir banka, sabit bir rapor şablonunu doldurmak için bir foundation model kullanıyor. Aynı isteklerde cevaplar çok fazla değişiyor. Hangi inference parametresi değişikliği en çok yardımcı olur?

  • A. Temperature'ı artırmak
  • B. Temperature'ı azaltmak
  • C. Azami çıktı uzunluğunu artırmak
  • D. Stop sequence'ları kaldırmak

Cevap: B. Temperature, modelin bir sonraki token'ı seçerken rastgeleliğini kontrol eder. Daha düşük temperature çıktıyı daha odaklı ve tutarlı yapar; bu da şablon doldurmaya uygundur.

  • A yanlış, çünkü daha yüksek temperature çıktıyı daha çeşitli ve yaratıcı yapar, bankanın istediğinin tersi.
  • C yanlış, çünkü çıktı uzunluğu bir cevabın ne kadar uzun olabileceğini sınırlar, ne kadar tutarlı olduğunu değil.
  • D yanlış, çünkü stop sequence'lar üretimi yalnızca seçilen bir noktada bitirir.

Soru 6

Bir şirket, İK politikalarından soruları yanıtlayan bir dahili asistan istiyor. Politikalar her ay değişiyor ve cevaplar güncel sürümü yansıtmalı. Hangi yaklaşım en uygun maliyetli?

  • A. Politikalar üzerinde yeni bir foundation model'i sıfırdan eğitmek (pre-train)
  • B. Modeli her ay yeni politikalarla fine-tune etmek
  • C. Amazon Bedrock Knowledge Bases ile Retrieval Augmented Generation (RAG) kullanmak
  • D. Tüm politikaları bir few-shot prompt'a örnek olarak yapıştırmak

Cevap: C. RAG, soru anında güncel belgelerden ilgili pasajları getirir ve modele bağlam olarak verir. Politikalar değiştiğinde bilgi tabanını güncellemek yeterlidir; yeniden eğitim gerekmez.

  • A yanlış, çünkü pre-training açık ara en pahalı özelleştirme seçeneğidir.
  • B yanlış, çünkü aylık fine-tuning zaman ve para harcar ve fine-tuning, olguları güncel tutmaktan çok stil ya da görev öğretmekte iyidir.
  • D yanlış, çünkü her politikayı her prompt'a yapıştırmak token maliyetini artırır ve bağlam penceresini aşabilir; örnekler bir format öğretir, bir belge setini değil.

RAG sana yeniyse retrieval-augmented generation rehberimiz kalıbı adım adım anlatıyor.

Soru 7

Bir prompt, bir modelden destek taleplerini beş kategoriden birine sınıflandırmasını istiyor ama model kendi kategori adlarını kullanmaya devam ediyor. En basit prompt mühendisliği çözümü nedir?

  • A. Tam kategori adlarını kullanan birkaç etiketli örnek eklemek (few-shot prompting)
  • B. Modeli 10.000 talep üzerinde fine-tune etmek
  • C. Temperature'ı yükseltmek
  • D. Daha büyük bir modele geçmek

Cevap: A. Tam etiketlere sahip birkaç çözümlü örnek modele beklenen çıktıyı gösterir ve izin verilen kategorileri talimatta listelemek de yardımcı olur. Denemenin maliyeti yoktur ve daha ağır seçeneklerden önceki ilk adımdır.

  • B yanlış, çünkü fine-tuning işe yarayabilir ama önce prompt'u düzeltmekten çok daha pahalıdır.
  • C yanlış, çünkü daha yüksek temperature çıktıyı daha az öngörülebilir yapar.
  • D yanlış, çünkü prompt beklenen formatı hiç göstermiyorsa daha büyük bir model de etiket uydurabilir.

Zero-shot ve few-shot prompting yazımız örneklerin ne zaman işe yaradığını ve ne zaman ters tepebileceğini anlatıyor.

Soru 8

Bir ekip, modelin ürettiği özetleri insanların yazdığı referans özetlerle karşılaştırmak için otomatik bir metrik istiyor. Hangi metrik bunun için tasarlanmıştır?

  • A. ROUGE
  • B. Mean squared error
  • C. Görsel sınıflandırma için F1 skoru
  • D. Latency

Cevap: A. ROUGE (Recall-Oriented Understudy for Gisting Evaluation) üretilen metin ile referans metin arasındaki örtüşmeyi ölçer ve özetlemede yaygın kullanılır. Sınav kılavuzu ayrıca BLEU (çoğunlukla çeviride kullanılır), BERTScore ve LLM-as-a-judge'ı da listeliyor.

  • B yanlış, çünkü mean squared error regresyondaki sayısal tahmin hatasını ölçer.
  • C yanlış, çünkü görev metin özetleme, görsel sınıflandırma değil.
  • D yanlış, çünkü latency kaliteyi değil hızı ölçer.

Alan 4: Guidelines for Responsible AI

Soru 9

Bir kredi veren kurum, kredi onay modelinin farklı yaş gruplarındaki başvuru sahiplerine hem eğitim verisinde hem de model tahminlerinde haksız davranıp davranmadığını kontrol etmek istiyor. Hangi AWS yeteneği bunun için yapılmıştır?

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

Cevap: A. SageMaker Clarify, verideki ve model tahminlerindeki olası yanlılığı (bias) tespit eder ve girdilerin tahminleri nasıl etkilediğine dair feature-attribution açıklamaları da sağlar.

  • B yanlış, çünkü CloudTrail API etkinliğini loglar; model adaletini analiz etmez.
  • C yanlış, çünkü Textract belgelerden metin ve veri çıkarır.
  • D yanlış, çünkü Knowledge Bases RAG uygulamaları için retrieval sağlar.

Soru 10

Düzenleyiciler bir şirketten her müşteriye modelin başvurusunu neden reddettiğini açıklamasını istiyor. Hangi seçenek bu gereksinimi en iyi destekler?

  • A. Yorumlanabilirliğe bakmaksızın mevcut en doğru derin sinir ağını kullanmak
  • B. Daha yorumlanabilir bir model kullanmak ya da her kararı hangi özelliklerin yönlendirdiğini gösteren açıklanabilirlik araçları eklemek
  • C. Fikri mülkiyeti korumak için modelin girdilerini gizlemek
  • D. Eğitim veri setinin boyutunu artırmak

Cevap: B. AWS'de sorumlu yapay zeka, şeffaflık ve açıklanabilirliği içerir. Daha basit, yorumlanabilir bir model ya da feature-attribution açıklamaları, şirketin müşteriye kararı hangi faktörlerin doğurduğunu söylemesini sağlar. Performans ile yorumlanabilirlik arasındaki ödünleşim, sınavda tekrar eden bir temadır.

  • A yanlış, çünkü kimsenin açıklayamadığı bir model, doğru olsa bile düzenleyici gereksinimi karşılamayabilir.
  • C yanlış, çünkü girdileri gizlemek şeffaflığı azaltır.
  • D yanlış, çünkü daha fazla veri doğruluğu artırabilir ama tek tek kararları açıklamaz.

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

Soru 11 (iki seçenek seç)

Amazon Bedrock üzerinde kurulu, müşteriye dönük bir chatbot'un talimatlarını geçersiz kılma girişimlerini engellemesi ve cevaplarda müşterilerin kişisel verilerini ifşa etmemesi gerekiyor. Hangi iki önlem bu gereksinimleri karşılar? (İKİ seçenek seç.)

  • A. Amazon Bedrock Guardrails'i bir prompt attack filtresiyle yapılandırmak
  • B. Kişisel verileri maskelemek veya engellemek için Amazon Bedrock Guardrails sensitive information filtrelerini yapılandırmak
  • C. Modelin temperature'ını artırmak
  • D. System prompt'u herkese açık bir Amazon S3 bucket'ında saklamak
  • E. Saldırganlar okuyamasın diye loglamayı kapatmak

Cevap: A ve B. Guardrails, jailbreak ve prompt injection gibi prompt saldırılarını tespit edebilir ve sensitive information filtreleri girdilerde ve çıktılarda kişisel olarak tanımlanabilir bilgileri (PII) engelleyebilir ya da maskeleyebilir. Birlikte iki gereksinimi de karşılarlar.

  • C yanlış, çünkü temperature rastgeleliği değiştirir, güvenliği değil.
  • D yanlış, çünkü herkese açık bir bucket system prompt'u herkese açar.
  • E yanlış, çünkü loglar denetim ve olay müdahalesi için gereklidir; çözüm onları kapatmak değil, erişimi kısıtlamaktır.

Saldırının kendisi hakkında daha fazla bilgi prompt injection açıklaması yazımızda.

Soru 12

Bir denetçi, şirketten son 90 gün içinde Amazon Bedrock API'lerini kimin ve ne zaman çağırdığını göstermesini istiyor. Bu kaydı hangi AWS hizmeti sağlar?

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

Cevap: A. CloudTrail bir AWS hesabında yapılan API çağrılarını, her çağrıyı kimin, ne zaman ve nereden yaptığı dahil, kaydeder; bu da onu bu tür bir soru için denetim izi yapar.

  • B yanlış, çünkü Amazon Inspector iş yüklerini yazılım güvenlik açıkları için tarar.
  • C yanlış, çünkü Trusted Advisor maliyet, güvenlik ve limitler hakkında en iyi uygulama önerileri verir.
  • D yanlış, çünkü Amazon Macie Amazon S3'teki hassas verileri keşfeder.

Kendini nasıl puanlarsın?

12 üzerinden doğru sayını hesapla ve toplamdan çok hangi alanları kaçırdığına bak. On iki soru bir sınav sonucunu tahmin etmek için çok az; 3. alandaki tek bir hata 4. alandakinden yalnızca, gerçek sınavda 3. alanın iki kat ağırlığı olduğu için daha önemli.

  • 10–12 doğru: süreli, tam uzunlukta pratiğe geç ve kaçırdığın soruları gözden geçirmeye devam et.
  • 7–9 doğru: sınav kılavuzunda kaçırdığın alanların hedeflerine geri dön.
  • 6 ya da daha az: kavramlarla başla. Prompt mühendisliği öğrenme yolumuz 2. ve 3. alanların arkasındaki GenAI fikirlerini kapsıyor.

Kaçırdığın sorular doğru bildiklerinden daha değerli. Yanlış cevabı neden seçtiğini yaz, sonra birkaç gün sonra benzer bir soru dene.

Bu sorular nasıl yazıldı?

TokIQ Editorial bu soruları AIF-C01 sınav kılavuzundaki (1.1 sürümü) görev ifadelerinden yazdı. Bunlar gerçek sınav soruları değildir ve herhangi bir soru yığınından alınmamıştır; AWS sınav içeriğini gizli tutar. Sınav bilgileri, yukarıda bağlantısı verilen AWS sayfalarıyla 2026-10-21 tarihinde karşılaştırıldı. TokIQ, Amazon Web Services ile bağlantılı değildir ve onun tarafından onaylanmamıştır.

Microsoft'un yapay zeka temel sınavına da mı çalışıyorsun? AI-900'ün yerini neyin aldığını da açıklayan AI-901 örnek sorularımıza bak.

Daha fazla AIF-C01 sorusuyla pratik yap

Her gün böyle kısa bir set istiyorsan TokIQ'in (Google Play'de, iPhone için yakında) bir AIF-C01 hazırlık modu var: kaçırdığın soruları aralıklı tekrarla geri getiren, en zayıf alanına yönelen günlük bir oturum ve deneme sınavları. Her soru dayandığı resmi AWS kaynağını gösteriyor ve her cevaptan sonra, kendi dilinde bir açıklama var.

Associate seviyesine hazır mısın? MLA-C02 örnek sorularına bak ya da seçenekleri önce hangi AI sertifikası alınmalı yazısında karşılaştır.

Sık sorulan sorular

Bunlar gerçek AIF-C01 sınav soruları mı?

Hayır. 12 sorunun hepsini TokIQ Editorial, resmi AWS sınav kılavuzundaki hedeflere dayanarak pratik için yazdı. Gerçek sınav soruları gizlidir: adaylar bir gizlilik sözleşmesi kabul eder, bu yüzden sınav dökümü olarak satılan setler kestirme yol değil, risktir. Bunları cevap ezberlemek için değil, anlayışını kontrol etmek için kullan.

AWS Certified AI Practitioner sınavında kaç soru var?

AIF-C01 sınavında 90 dakikada 65 soru var. Elli soru puana sayılır, 15'i AWS'nin denediği puanlanmayan sorulardır; hangileri olduğunu anlayamazsın. Boş bırakılan sorular yanlış sayılır ve yanlış cevap için ceza yoktur (AWS sınav kılavuzu, 2026-10-21 tarihinde kontrol edildi).

AIF-C01'i geçmek için kaç puan gerekiyor?

100 ile 1.000 arasındaki ölçekte 700 ölçeklenmiş puan gerekiyor. Puanlama telafi edicidir; yani sınavın bütününe göre geçer ya da kalırsın, her alanı ayrı ayrı geçmen gerekmez (AWS sınav kılavuzu, 2026-10-21 tarihinde kontrol edildi).

AIF-C01'de en çok hangi alana pratik yapmalıyım?

Applications of Foundation Models, puanlanan içeriğin %28'iyle en büyük alan; ardından %24 ile Fundamentals of GenAI ve %20 ile Fundamentals of AI and ML geliyor. Responsible AI ile Security, Compliance and Governance %14'er. Pratik zamanını kabaca bu oranda ayır.

AIF-C01 sınavında hangi soru türleri var?

Sınav kılavuzu dört tür listeliyor: çoktan seçmeli (dört seçenekten bir doğru), çoklu yanıt (beş veya daha fazla seçenekten iki ya da daha fazla doğru, puan için hepsi gerekli), sıralama ve eşleştirme. Yukarıdaki 11. soru çoklu yanıt örneğidir.

  • #AIF-C01
  • #AWS Certified AI Practitioner
  • #örnek sorular
  • #sertifika hazırlığı

Şimdi pratiğini yap

TokIQ, prompt mühendisliğini kısa quizlere dönüştürür; her cevap için bir açıklamayla.

Yakında burada:App StoreŞuradan al:Google Play

Günde birkaç soruyla daha iyi prompt yaz.

Gerçek prompt kararları üzerine kısa quizler ve her cevap için açıklama. iPhone ve Android'de ücretsiz başla.

Yakında burada:App StoreŞuradan al:Google Play