AIF-C01 परीक्षा में प्रत्येक AWS सेवा — और यह वहाँ क्यों है

AIF-C01 परीक्षा आश्चर्यजनक रूप से AWS सेवाओं के एक बड़े हिस्से को कवर करती है। उनमें से कुछ — Amazon Bedrock, Amazon SageMaker — स्पष्ट रूप से मुख्य आकर्षण हैं। अन्य — Amazon Macie, AWS KMS, Amazon CloudWatch — परिदृश्य (scenario) प्रश्नों में दिखाई देते हैं जहां उत्तर किसी सुरक्षा या प्रशासन (governance) आवश्यकता के लिए सही उपकरण जानने पर निर्भर करता है। यदि आप केवल generative-AI सेवाओं को जानकर परीक्षा देने जाते हैं, तो आप अंक खो देंगे।

यह मार्गदर्शिका AIF-C01 परीक्षा में आने वाली प्रत्येक AWS सेवा का विवरण देती है, सरल हिंदी में बताती है कि यह क्या करती है, और आपको बताती है कि यह किस परीक्षा डोमेन (Domain) से संबंधित है। मैंने उन्हें उसी तरह समूहीकृत किया है जिस तरह परीक्षा उनके बारे में सोचती है: पहले मुख्य generative-AI सेवाएं, फिर विशिष्ट प्री-बिल्ट AI सेवाएं, और अंत में सुरक्षा, प्रशासन और सहायक बुनियादी ढांचा।

Core generative-AI services

ये वे सेवाएं हैं जिन पर आप अपना सबसे अधिक अध्ययन समय व्यतीत करेंगे। वे Domain 2, Domain 3 और Domain 4 में दिखाई देती हैं — जो परीक्षा का मुख्य हिस्सा हैं।

Amazon Bedrock

Amazon Bedrock इस AIF-C01 परीक्षा का मुख्य केंद्र है। यह एक पूरी तरह से प्रबंधित (fully managed) सेवा है जो आपको Anthropic (Claude), Meta (Llama), Mistral, AI21, Cohere, Stability AI और Amazon के अपने Titan परिवार के फाउंडेशन मॉडल (foundation models) तक API पहुंच प्रदान करती है। आपको किसी बुनियादी ढांचे का प्रबंधन नहीं करना है, आपको कुछ भी प्रशिक्षित (train) नहीं करना है — आप संकेत (prompts) भेजते हैं और प्रतिक्रियाएँ (responses) प्राप्त करते हैं।

परीक्षा का दृष्टिकोण: Domain 3 (Applications of Foundation Models) पूरी तरह से Amazon Bedrock पर निर्भर करता है। मॉडल चयन (कब Claude बनाम Titan बनाम Llama चुनना है), इनफेरेंस पैरामीटर (temperature, top-p, max tokens), और कब Amazon Bedrock बनाम Amazon SageMaker पर स्व-होस्टिंग सही विकल्प है, इस पर आधारित परिदृश्य प्रश्नों की अपेक्षा करें।

Amazon Bedrock Knowledge Bases

यह AWS का प्रबंधित (managed) RAG (retrieval-augmented generation) समाधान है। आप इसे Amazon S3 दस्तावेजों की ओर इंगित करते हैं, यह उन्हें छोटे टुकड़ों (chunks) में विभाजित करता है, एम्बेडिंग (embeddings) उत्पन्न करता है, उन्हें एक वेक्टर डेटाबेस में संग्रहीत करता है, और प्रतिक्रिया उत्पन्न करने से पहले एक फाउंडेशन मॉडल को प्रासंगिक अंशों को पुनः प्राप्त करने की अनुमति देता है। यह उद्धरण ट्रैकिंग (citation tracking) को स्वचालित रूप से संभालता है।

परीक्षा का दृष्टिकोण: RAG इस प्रश्न का प्रामाणिक उत्तर है कि "बिना fine-tuning के फाउंडेशन मॉडल को अपने निजी डेटा से कैसे जोड़ें?" आप परीक्षा में इस परिदृश्य को कई बार देखेंगे। RAG और fine-tuning के बीच का अंतर जानें — परीक्षा में इसका स्पष्ट रूप से परीक्षण किया जाता है।

Amazon Bedrock Guardrails

Amazon Bedrock Guardrails एक नीति परत (policy layer) है जो उपयोगकर्ता और मॉडल के बीच बैठती है। यह हानिकारक सामग्री को फ़िल्टर कर सकती है, आपके द्वारा परिभाषित विशिष्ट विषयों को ब्लॉक कर सकती है, इनपुट और आउटपुट से PII को संपादित (redact) कर सकती है, और मतिभ्रम (hallucinations) को कम करने के लिए प्रतिक्रियाओं को वास्तविक डेटा से बांध सकती है। आप इसे डिक्लेरेटिव रूप से कॉन्फ़िगर करते हैं — किसी कस्टम कोड की आवश्यकता नहीं होती है।

परीक्षा का दृष्टिकोण: Domain 4 (Guidelines for Responsible AI) पूछता है कि किसी मॉडल को असुरक्षित या मतिभ्रम वाली सामग्री उत्पन्न करने से कैसे रोका जाए। Amazon Bedrock Guardrails इसका नामित AWS उत्तर है। इसके द्वारा प्रदान किए जाने वाले चार प्रकार के संरक्षणों को जानें: सामग्री फ़िल्टर (content filters), अस्वीकृत विषय (denied topics), PII संपादन (PII redaction), और ग्राउंडिंग चेक (grounding checks)।

Amazon Bedrock Agents

Amazon Bedrock Agents एक फाउंडेशन मॉडल को कार्रवाई करने की क्षमता प्रदान करते हैं — APIs कॉल करना, ज्ञान आधारों (knowledge bases) से पूछताछ करना, बहु-चरण वर्कफ़्लो निष्पादित करना। आप "एक्शन ग्रुप" (action groups) परिभाषित करते हैं जो यह बताते हैं कि मॉडल किन उपकरणों का उपयोग कर सकता है, और Amazon Bedrock Agents ऑर्केस्ट्रेशन लूप (सोचें → कार्य करें → निरीक्षण करें → प्रतिक्रिया दें) को संभालता है।

परीक्षा का दृष्टिकोण: Domain 3 में "AI ऑर्केस्ट्रेशन" परिदृश्य शामिल हैं। परीक्षा Amazon Bedrock Agents (बहु-चरण, उपकरण का उपयोग करने वाले) को सादे Amazon Bedrock इनफेरेंस (एकल प्रॉम्प्ट → एकल प्रतिक्रिया) से अलग करती है। यदि कोई प्रश्न एक चैटबॉट का वर्णन करता है जिसे ऑर्डर की स्थिति देखनी है, डेटाबेस को संशोधित करना है और प्रतिक्रिया देनी है — तो उत्तर Amazon Bedrock Agents है।

Amazon Q

Amazon Q, AWS का पैकेज्ड AI सहायक उत्पाद है। Amazon Q Developer कोडिंग, डिबगिंग और बुनियादी ढांचे से जुड़े सवालों में मदद करने के लिए IDEs और AWS कंसोल के अंदर रहता है। Amazon Q Business आंतरिक प्रश्न-उत्तर के लिए उद्यम डेटा स्रोतों (SharePoint, Confluence, Salesforce) से जुड़ता है।

परीक्षा का दृष्टिकोण: AIF-C01, Amazon Q को "यदि आप कुछ भी बनाना नहीं चाहते हैं तो इसका उपयोग करें" विकल्प के रूप में पेश करता है। प्रश्न परीक्षण करते हैं कि कब Amazon Q (प्री-बिल्ट, ओपिनियनेटेड) बनाम Amazon Bedrock (कस्टमाइज़ेबल, अपना खुद का बनाएं) को चुनना है।

Amazon SageMaker

Amazon SageMaker संपूर्ण ML प्लेटफ़ॉर्म है — नोटबुक, प्रशिक्षण कार्य (training jobs), हाइपरपैरामीटर ट्यूनिंग, प्रबंधित इनफेरेंस एंडपॉइंट और MLOps पाइपलाइन। यह वह सेवा है जिसका उपयोग आप कस्टम मॉडल बनाने और प्रशिक्षित करने के लिए करते हैं, न कि केवल प्री-ट्रेन्ड मॉडल को कॉल करने के लिए।

परीक्षा का दृष्टिकोण: Domain 2 (Fundamentals of AI and ML) संपूर्ण ML जीवनचक्र के लिए Amazon SageMaker का संदर्भ देता है। परीक्षा इस बात का परीक्षण करती है कि क्या आप प्रशिक्षण (Amazon SageMaker), इनफेरेंस होस्टिंग (Amazon SageMaker एंडपॉइंट), और API-आधारित मॉडल एक्सेस (Amazon Bedrock) के बीच का अंतर जानते हैं।

Amazon SageMaker JumpStart

Amazon SageMaker JumpStart, Amazon SageMaker के अंदर एक मॉडल कैटलॉग है। यह वन-क्लिक डिप्लॉयमेंट और fine-tuning नोटबुक के साथ प्री-ट्रेन्ड फाउंडेशन मॉडल और विशिष्ट कार्यों के मॉडल प्रदान करता है। इसे ML मॉडल के लिए एक ऐप स्टोर की तरह समझें जिसे आप अपने AWS खाते में डिप्लॉय कर सकते हैं।

परीक्षा का दृष्टिकोण: परीक्षा मॉडल का उपयोग करने के तीन तरीकों में अंतर करती है: (1) Amazon Bedrock के माध्यम से एक होस्टेड API को कॉल करना, (2) Amazon SageMaker JumpStart से एक प्री-ट्रेन्ड मॉडल को अपने स्वयं के एंडपॉइंट पर डिप्लॉय करना, (3) Amazon SageMaker पर शुरू से प्रशिक्षित करना। Amazon SageMaker JumpStart विकल्प 2 है।

Amazon SageMaker Clarify

Amazon SageMaker Clarify एक पूर्वाग्रह पहचान (bias detection) और मॉडल व्याख्या उपकरण (explainability tool) है। यह SHAP फीचर एट्रिब्यूशन की गणना करता है (किस इनपुट फीचर ने इस भविष्यवाणी को प्रेरित किया?), विभिन्न जनसांख्यिकीय समूहों में प्रशिक्षण-पूर्व और प्रशिक्षण-पश्चात पूर्वाग्रह को मापता है, और सारणीबद्ध मॉडल (tabular models) और फाउंडेशन मॉडल आउटपुट दोनों पर काम करता है।

परीक्षा का दृष्टिकोण: Domain 4 (Responsible AI) पूर्वाग्रह पहचान और व्याख्या का परीक्षण करता है। जब कोई प्रश्न पूछता है कि "आप कैसे पता लगाते हैं कि आपका मॉडल किसी जनसांख्यिकीय समूह के प्रति पक्षपाती है?" — तो Amazon SageMaker Clarify उत्तर है।

Specialized pre-built AI services

ये सेवाएं बिना किसी मॉडल को प्रशिक्षित या प्रबंधित किए विशिष्ट AI कार्यों को हल करती हैं। परीक्षा किसी दिए गए उपयोग के मामले के लिए सही सेवा चुनने की आपकी क्षमता का परीक्षण करती है।

Amazon Comprehend

प्रबंधित NLP: भावना विश्लेषण (sentiment analysis), इकाई पहचान (entity recognition), मुख्य-वाक्यांश निष्कर्षण (key-phrase extraction), भाषा पहचान और PII पहचान। किसी प्रशिक्षण की आवश्यकता नहीं है — टेक्स्ट भेजें, संरचित परिणाम (structured results) प्राप्त करें।

परीक्षा का दृष्टिकोण: "मुझे भावना विश्लेषण के लिए ग्राहक प्रतिक्रिया का विश्लेषण करना है" → Amazon Comprehend। "मुझे एक दस्तावेज़ कॉर्पस में PII खोजना है" → Amazon Comprehend (या S3 स्कैनिंग के लिए Amazon Macie)। सीमाओं को जानें।

Amazon Rekognition

कंप्यूटर विज़न: लेबल पहचान, चेहरा विश्लेषण, सामग्री मॉडरेशन, सेलिब्रिटी पहचान, वीडियो गतिविधि पहचान। इमेज या वीडियो इनपुट करें, संरचित लेबल आउटपुट प्राप्त करें।

परीक्षा का दृष्टिकोण: "मेरे पास इमेज हैं, कोई ML टीम नहीं है" → Amazon Rekognition। परीक्षा जिम्मेदार-AI परिदृश्यों में Amazon Rekognition की सामग्री मॉडरेशन सुविधा का भी उपयोग करती है।

Amazon Textract

दस्तावेज़ की समझ: PDF और स्कैन की गई छवियों से टेक्स्ट, की-वैल्यू पेयर, टेबल और फ़ॉर्म फ़ील्ड निकालता है। बुनियादी OCR से परे जाता है — यह दस्तावेज़ की संरचना को समझता है।

परीक्षा का दृष्टिकोण: "चालान/रसीद/फ़ॉर्म से डेटा निकालें" → Amazon Textract। परीक्षा विशेष रूप से Amazon Textract (संरचित दस्तावेज़ निष्कर्षण) और Amazon Rekognition DetectText (फ़ोटो पर सामान्य OCR) के बीच अंतर का परीक्षण करती है।

Amazon Transcribe

वक्ता पहचान, कस्टम शब्दावली, रीयल-टाइम स्ट्रीमिंग, और चिकित्सा एवं कॉल-सेंटर ऑडियो के लिए विशिष्ट रूपों के साथ स्पीच-टू-टेक्स्ट।

परीक्षा का दृष्टिकोण: पाइपलाइन प्रश्नों में Amazon Comprehend के साथ जोड़ा जाता है: "कॉल सेंटर रिकॉर्डिंग को ट्रांसक्राइब करें, फिर भावना का विश्लेषण करें" → Amazon Transcribe + Amazon Comprehend।

Amazon Polly

दर्जनों भाषाओं में न्यूरल और जनरेटिव आवाज़ों के साथ टेक्स्ट-टू-स्पीच। उच्चारण, गति और जोर पर बारीक नियंत्रण के लिए SSML का समर्थन करता है।

परीक्षा का दृष्टिकोण: "टेक्स्ट को स्पीच में बदलें" → Amazon Polly। परीक्षा परीक्षण करती है कि कब Amazon Polly (प्री-बिल्ट TTS) पर्याप्त है बनाम कब आपको Amazon SageMaker पर एक कस्टम वॉयस मॉडल की आवश्यकता होगी।

Amazon Translate

75 से अधिक भाषाओं में न्यूरल मशीन अनुवाद, जिसमें डोमेन-विशिष्ट वाक्यांशों के लिए कस्टम शब्दावली का समर्थन शामिल है।

परीक्षा का दृष्टिकोण: सीधा — "बिना किसी मॉडल को प्रशिक्षित किए सामग्री का कई भाषाओं में अनुवाद करें" → Amazon Translate।

Amazon Lex

Intent, slots और Amazon Polly के माध्यम से स्पीच आउटपुट के साथ चैटबॉट बनाने के लिए संवादात्मक AI (Conversational AI)। Alexa-जैसी बातचीत को सक्षम बनाता है।

परीक्षा का दृष्टिकोण: Amazon Lex प्री-बिल्ट चैटबॉट फ्रेमवर्क है। परीक्षा इसकी तुलना Amazon Bedrock Agents से करती है — संरचित, intent-आधारित बातचीत के लिए Amazon Lex; ओपन-एंडेड, टूल का उपयोग करने वाले AI सहायकों के लिए Amazon Bedrock Agents।

Amazon Kendra

दस्तावेजों, SharePoint, Confluence और डेटाबेस में ML-संचालित उद्यम खोज। प्राकृतिक-भाषा प्रश्नों को समझता है, न कि केवल कीवर्ड मिलान।

परीक्षा का दृष्टिकोण: Amazon Kendra, Amazon Bedrock Knowledge Bases के केवल-पुनर्प्राप्ति (retrieval-only) विकल्प के रूप में दिखाई देता है। जब प्रश्न कहता है "खोजें, जनरेशन की कोई आवश्यकता नहीं है" → Amazon Kendra। जब यह कहता है "खोजें और उत्तर संश्लेषित (synthesize) करें" → Amazon Bedrock Knowledge Bases।

Security, governance, and supporting infrastructure

ये सेवाएं AI-विशिष्ट नहीं हैं, लेकिन ये Domain 5 (Security, Compliance, and Governance) के प्रश्नों में दिखाई देती हैं। परीक्षा इस बात का परीक्षण करती है कि क्या आप जानते हैं कि AI वर्कलोड को कैसे सुरक्षित और मॉनिटर किया जाए।

AWS IAM

उपयोगकर्ता, भूमिकाएँ (roles), नीतियां (policies), फेडरेशन और प्रत्येक AWS सेवा कॉल के लिए न्यूनतम-विशेषाधिकार (least-privilege) अनुमतियाँ। AI-विशिष्ट नहीं है, लेकिन परीक्षा AI-विशिष्ट IAM पैटर्न का परीक्षण करती है।

परीक्षा का दृष्टिकोण: "आप कैसे प्रतिबंधित करते हैं कि कोई डेवलपर Amazon Bedrock में किन मॉडलों को लागू कर सकता है?" → IAM नीतियां। "एक Amazon SageMaker नोटबुक S3 में प्रशिक्षण डेटा तक कैसे पहुँचती है?" → IAM भूमिका (role)। न्यूनतम-विशेषाधिकार आवर्ती विषय है।

AWS KMS

निष्क्रिय डेटा (data at rest) को एन्क्रिप्ट करने के लिए प्रबंधित क्रिप्टोग्राफ़िक कुंजियाँ — प्रशिक्षण डेटासेट, मॉडल कलाकृतियाँ (artifacts), इनफेरेंस लॉग।

परीक्षा का दृष्टिकोण: "आप कस्टमर-मैनेज्ड कुंजी के साथ निष्क्रिय मॉडल वेट को कैसे एन्क्रिप्ट करते हैं?" → AWS KMS। यह अनुपालन-केंद्रित (compliance-focused) प्रश्नों में आता है।

Amazon Macie

संवेदनशील-डेटा खोज सेवा जो S3 बकेट में PII, क्रेडेंशियल और वित्तीय डेटा खोजने के लिए ML का उपयोग करती है।

परीक्षा का दृष्टिकोण: "दस्तावेजों को RAG पाइपलाइन में भेजने से पहले, आप स्रोत डेटा में PII की जांच कैसे करते हैं?" → Amazon Macie S3 बकेट को स्कैन करता है; Amazon Bedrock Guardrails इनफेरेंस समय पर फ़िल्टर करता है। परीक्षा दोनों परतों का परीक्षण करती है।

Amazon CloudWatch

सभी AWS सेवाओं में मेट्रिक्स, लॉग और अलार्म। AI वर्कलोड के लिए: Amazon Bedrock आमंत्रण लॉग (invocation logs), Amazon SageMaker एंडपॉइंट विलंबता (latency), मॉडल-मॉनिटर बहाव अलार्म (monitor drift alerts)।

परीक्षा का दृष्टिकोण: "आप प्रोडक्शन में मॉडल प्रदर्शन की निगरानी कैसे करते हैं?" → Amazon CloudWatch मेट्रिक्स + अलार्म। "आप कैसे ऑडिट करते हैं कि Amazon Bedrock को कौन से प्रॉम्प्ट भेजे गए थे?" → Amazon Bedrock आमंत्रण लॉगिंग सक्षम होने पर Amazon CloudWatch Logs।

How to study this

प्रत्येक सेवा की प्रत्येक विशेषता को याद रखने का प्रयास न करें। परीक्षा पैटर्न पहचान का परीक्षण करती है: एक परिदृश्य को देखते हुए, कौन सी सेवा इसे हल करती है? यहाँ मानसिक मॉडल है:

• "मैं API के माध्यम से फाउंडेशन मॉडल को कॉल करना चाहता हूँ" → Amazon Bedrock
• "मैं एक मॉडल को अपने निजी डेटा से जोड़ना चाहता हूँ" → Amazon Bedrock Knowledge Bases (RAG)
• "मैं चाहता हूँ कि मॉडल कार्रवाई करे" → Amazon Bedrock Agents
• "मुझे मॉडल आउटपुट पर सुरक्षा नियम चाहिए" → Amazon Bedrock Guardrails
• "मैं कुछ भी बनाना नहीं चाहता, बस AI का उपयोग करना चाहता हूँ" → Amazon Q
• "मुझे एक कस्टम मॉडल प्रशिक्षित करने की आवश्यकता है" → Amazon SageMaker
• "मुझे एक प्री-ट्रेन्ड मॉडल चाहिए जिसे मैं स्वयं डिप्लॉय कर सकूँ" → Amazon SageMaker JumpStart
• "मुझे पूर्वाग्रह के लिए अपने मॉडल की जांच करने की आवश्यकता है" → Amazon SageMaker Clarify
• "मुझे [टेक्स्ट का विश्लेषण / इमेज देखने / दस्तावेज़ निकालने / ऑडियो ट्रांसक्राइब करने / स्पीच संश्लेषित करने / अनुवाद करने / चैटबॉट बनाने / दस्तावेज़ खोजने] की आवश्यकता है" → संबंधित विशिष्ट सेवा
• "मुझे सुरक्षित / एन्क्रिप्ट / स्कैन / मॉनिटर करने की आवश्यकता है" → AWS IAM / AWS KMS / Amazon Macie / Amazon CloudWatch

इस ढांचे के साथ अभ्यास प्रश्नों को हल करें और आप पाएंगे कि आप 30 सेकंड से कम समय में अधिकांश सेवा-चयन प्रश्नों के उत्तर दे सकते हैं।

Source: AWS AI Practitioner (AIF-C01) exam guide v1.1 (2024-08), AWS documentation as of May 2026.