# AWS Certified AI Practitioner (AIF-C01)
<a name="ai-practitioner-01"></a>

AWS Certified AI Practitioner (AIF-C01) 考試專為想要展示對 AI 概念和 AWS AI 工具有基礎了解的人而設計。此認證著重於 AI 的實務商業應用程式。

**Topics**
+ [簡介](#ai-practitioner-01-intro)
+ [目標考生描述](#ai-practitioner-01-target)
+ [考試內容](#ai-practitioner-01-exam-content)
+ [命題大綱](#ai-practitioner-01-domains)
+ [內容領域 1： AI 和 ML 的基礎知識](ai-practitioner-01-domain1.md)
+ [內容領域 2： GenAI 的基礎知識](ai-practitioner-01-domain2.md)
+ [內容領域 3： 基礎模型的應用](ai-practitioner-01-domain3.md)
+ [內容領域 4： 負責任 AI 的指南](ai-practitioner-01-domain4.md)
+ [內容領域 5： AI 解決方案的安全性、合規與管控](ai-practitioner-01-domain5.md)
+ [考試範圍內的 AWS 服務](aif-01-in-scope-services.md)
+ [考試範圍外的 AWS 服務](aif-01-out-of-scope-services.md)
+ [問卷調查](#ai-practitioner-01-survey)

## 簡介
<a name="ai-practitioner-01-intro"></a>

 [AWS Certified AI Practitioner (AIF-C01)](https://aws.amazon.com/certification/certified-ai-practitioner/) 考試專為想要展示對 AI 概念和 AWS AI 工具有基礎了解的人而設計。此認證著重於 AI 的實務商業應用程式。

本考試還會驗證考生是否有能力完成以下任務：
+ 描述一般和 AWS 上的 AI、ML 和生成式 AI (GenAI) 概念、方法和策略。
+ 指明可解決商業問題的 AI/ML 和 GenAI 技術的適當用法。
+ 確定適用於特定使用案例的正確 AI/ML 技術類型。
+ 負責任地使用 AI、ML 和 GenAI 技術。

## 目標考生描述
<a name="ai-practitioner-01-target"></a>

目標考生應該在 AWS 上摸索 AI/ML 技術達 6 個月。目標考生會使用 AI/ML 解決方案，但不一定會在 AWS 上建置該解決方案。

### AWS 知識推薦
<a name="ai-practitioner-01-aws-knowledge"></a>

目標考生應具備以下 AWS 知識：
+ 熟悉 AWS 核心服務 (例如：Amazon EC2、Amazon S3、AWS Lambda、Amazon Bedrock 和 Amazon SageMaker AI) 和 AWS 核心服務使用案例
+ 熟悉 AWS 雲端中的安全性與合規性的 AWS 共同責任模式
+ 熟悉 AWS Identity and Access Management (IAM)，以保護和控制對 AWS 資源的存取
+ 熟悉 AWS 服務定價模式

### 超出目標考生範圍的工作任務
<a name="ai-practitioner-01-out-of-scope"></a>

以下清單包含預期目標考生無法執行的工作任務。此清單未列出所有詳情。以下任務超出考試範圍：
+ 開發或編碼 AI/ML 模型或演算法
+ 實作資料工程或特徵工程技術
+ 執行超參數調校或模型最佳化
+ 建置和部署 AI/ML 管道或基礎設施
+ 執行 AI/ML 模型的數學或統計分析
+ 實作 AI/ML 系統安全性或合規通訊協定
+ 為 AI/ML 解決方案開發和實作管控架構和政策

## 考試內容
<a name="ai-practitioner-01-exam-content"></a>

### 試題類型
<a name="ai-practitioner-01-question-types"></a>

考試包含下列一或多個問題類型：
+ **單選題：** 每題有一個正確的答案和三個不正確的答案 (干擾選項)
+ **複選題：** 每題有五個以上的答案選項，其中有兩個以上的正確答案。您必須選出所有的正確答案，才能獲得該題分數。
+ **排序題：** 有一份 3–5 個答案的清單，須依序回答以完成指定的任務。您必須選取正確的答案，並依照正確順序放置答案，才能獲得分數。
+ **配對題：** 有一份答案清單可與 3–7 個提示配對。您必須正確完成所有配對，才能獲得問題的積分。

未回答的問題會以答錯來計分。猜答不會扣分。本考試設有 50 個會影響您分數的問題。

### 不計分內容
<a name="ai-practitioner-01-unscored-content"></a>

本考試設有 15 個不會影響您分數的不計分題。AWS 會透過這些不計分題來收集與考生表現相關的資訊，藉以評估這些問題能否在將來作為計分題使用。考試中不會標示不計分題。

### 考試結果
<a name="ai-practitioner-01-exam-results"></a>

AWS Certified AI Practitioner (AIF-C01) 考試結果有及格或不及格兩種。本考試的評分，將按照 AWS 專業人員根據認證產業最佳實務和指南所制定的最低標準來進行。

您的考試結果將以 100 至 1,000 分的比例分數呈現。最低及格分數為 700 分。您的分數表示您在考試中的整體表現，以及您是否通過考試。比例分數模型有助將多種考試類型的得分放在一起比較，這些考試的難度級別可能略有不同。

您的分數報告中可能會包含您在各個部分級別的表現分級表。本考試採用補償性評分模式，這代表您並不需要在每個部分都獲得合格分數。您只需要通過整體的考試。

考試的每個部分都有一個特定的權重，因此有些部分需回答的問題比其他部分多。分級表包含一般資訊，其中重點標示了您的優勢和劣勢。在解釋部分級別意見時請格外慎重。

## 命題大綱
<a name="ai-practitioner-01-domains"></a>

本考試指南包括權重、內容領域、任務和考試技能的說明。本指南並不提供考試內容的詳盡列表。

考試具有以下測試領域和權重：
+ [內容領域 1： AI 和 ML 的基礎知識 (計分內容的 20%)](ai-practitioner-01-domain1.md)
+ [內容領域 2： GenAI 的基礎知識 (計分內容的 24%)](ai-practitioner-01-domain2.md)
+ [內容領域 3： 基礎模型的應用 (計分內容的 28%)](ai-practitioner-01-domain3.md)
+ [內容領域 4： 負責任 AI 的指南 (計分內容的 14%)](ai-practitioner-01-domain4.md)
+ [內容領域 5： AI 解決方案的安全性、合規與管控 (計分內容的 14%)](ai-practitioner-01-domain5.md)

# 內容領域 1： AI 和 ML 的基礎知識
<a name="ai-practitioner-01-domain1"></a>

領域 1 涵蓋 AI 和 ML 的基礎知識，佔考試計分內容的 20%。

**Topics**
+ [任務説明 1.1： 說明基本 AI 概念和術語。](#ai-practitioner-01-task1.1)
+ [任務説明 1.2： 識別 AI 的實務使用案例。](#ai-practitioner-01-task1.2)
+ [任務説明 1.3： 描述 ML 開發生命週期。](#ai-practitioner-01-task1.3)

## 任務説明 1.1： 說明基本 AI 概念和術語。
<a name="ai-practitioner-01-task1.1"></a>

目標：
+ 定義基本的 AI 術語 (例如：AI、ML、深度學習、神經網路、電腦視覺、自然語言處理 [NLP]、模型、演算法、訓練和推論、偏差、公平、合適，大語言模型 [LLM])。
+ 描述 AI、ML、GenAI 和深度學習之間的相似性和差異。
+ 描述各種類型的推論 (例如：批次、即時)。
+ 描述 AI 模型中的不同資料類型 (例如：標記和未標記、表格式、時間序列、影像、文字、結構化和非結構化)。
+ 描述監督式學習、無監督學習和強化學習。

## 任務説明 1.2： 識別 AI 的實務使用案例。
<a name="ai-practitioner-01-task1.2"></a>

目標：
+ 辨識 AI/ML 可以提供價值的應用領域 (例如：協助人類做決策、解決方案可擴展性、自動化)。
+ 判斷 AI/ML 解決方案何時不適合 (例如：成本效益分析、需要特定的結果而不是預測)。
+ 針對特定使用案例 (例如：迴歸、分類、叢集) 選取適當的 ML 技術。
+ 識別實際 AI 應用程式的範例 (例如：電腦視覺、NLP、語音識別、推薦系統、詐騙偵測、預測)。
+ 說明 AWS 受管 AI/ML 服務的功能 (例如：Amazon SageMaker AI、Amazon Transcribe、Amazon Translate、Amazon Comprehend、Amazon Lex、Amazon Polly)。

## 任務説明 1.3： 描述 ML 開發生命週期。
<a name="ai-practitioner-01-task1.3"></a>

目標：
+ 描述 ML 管道的元件 (例如：資料收集、探索資料分析 [EDA]、資料預處理、特徵工程、模型訓練、超參數調校、評估、部署、監控)。
+ 描述 ML 模型的來源 (例如：開放原始碼預先訓練的模型、訓練自訂模型)。
+ 描述在生產中使用模型的方法 (例如：受管 API 服務、自我託管 API)。
+ 識別 ML 管道每個階段的相關 AWS 服務和特徵 (例如：SageMaker AI、SageMaker Data Wrangler、SageMaker Feature Store、SageMaker Model Monitor)。
+ 描述 ML 維運 (MLOps) 的基礎概念 (例如：實驗、可重複的流程、可擴展的系統、管理技術債務、實現生產整備、模型監控、模型重新訓練)。
+ 描述模型效能指標 (例如：準確度、曲線下面積 [AUC]、F1 分數) 和商業指標 (例如：每位使用者成本、開發成本、客戶回饋、投資報酬率 [ROI]) 以評估 ML 模型。

# 內容領域 2： GenAI 的基礎知識
<a name="ai-practitioner-01-domain2"></a>

領域 2 涵蓋 GenAI 的基礎知識，佔考試計分內容的 24%。

**Topics**
+ [任務説明 2.1： 說明 GenAI 的基本概念。](#ai-practitioner-01-task2.1)
+ [任務説明 2.2： 了解 GenAI 解決商業問題的能力和限制。](#ai-practitioner-01-task2.2)
+ [任務説明 2.3： 描述用於建置 GenAI 應用程式的 AWS 基礎設施和技術。](#ai-practitioner-01-task2.3)

## 任務説明 2.1： 說明 GenAI 的基本概念。
<a name="ai-practitioner-01-task2.1"></a>

目標：
+ 定義基礎 GenAI 概念 (例如：字符、分成區塊、嵌入、向量、提示詞工程、轉換器型 LLM、基礎模型 [FM]、多模態模型、擴散模型)。
+ 識別 GenAI 模型的潛在使用案例 (例如：影像、影片和音訊產生；摘要；AI 助理；翻譯；程式碼生成；客戶服務代理程式；搜尋；推薦引擎)。
+ 描述基礎模型生命週期 (例如：資料選擇、模型選擇、預先訓練、微調、評估、部署、回饋)。

## 任務説明 2.2： 了解 GenAI 解決商業問題的能力和限制。
<a name="ai-practitioner-01-task2.2"></a>

目標：
+ 描述 GenAI 的優勢 (例如：適應能力、回應能力、簡易性)。
+ 識別 GenAI 解決方案的缺點 (例如：幻覺、可解釋性、不準確性、非確定性)。
+ 識別選取 GenAI 模型時需考量的因素 (例如：模型類型、效能要求、功能、限制、合規)。
+ 確定 GenAI 應用程式的商業價值和指標 (例如：跨網域效能、效率、轉換率、每位使用者平均收入、準確度、客戶終生價值)。

## 任務説明 2.3： 描述用於建置 GenAI 應用程式的 AWS 基礎設施和技術。
<a name="ai-practitioner-01-task2.3"></a>

目標：
+ 識別 AWS 服務和特徵以開發 GenAI 應用程式 (例如：Amazon SageMaker JumpStart、Amazon Bedrock PartyRock、Amazon Q、Amazon Bedrock Data Automation)。
+ 描述使用 AWS GenAI 服務建置應用程式的優勢 (例如：協助工具、降低門檻、效率、成本效益、上市速度、達成業務目標的能力)。
+ 描述 AWS 基礎設施對 GenAI 應用程式的好處 (例如：安全性、合規、責任、安全)。
+ 描述 AWS GenAI 服務的成本抵換 (例如：回應速度、可用性、備援、效能、區域涵蓋範圍、基於字符定價、佈建輸送量、自訂模型)。

# 內容領域 3： 基礎模型的應用
<a name="ai-practitioner-01-domain3"></a>

領域 3 涵蓋基礎模型的應用，佔考試計分內容的 28%。

**Topics**
+ [任務説明 3.1： 描述使用基礎模型 (FM) 的應用程式設計考量。](#ai-practitioner-01-task3.1)
+ [任務説明 3.2： 選擇有效的提示詞工程技術。](#ai-practitioner-01-task3.2)
+ [任務説明 3.3： 描述 FM 的訓練和微調流程。](#ai-practitioner-01-task3.3)
+ [任務説明 3.4： 描述評估 FM 效能的方法。](#ai-practitioner-01-task3.4)

## 任務説明 3.1： 描述使用基礎模型 (FM) 的應用程式設計考量。
<a name="ai-practitioner-01-task3.1"></a>

目標：
+ 識別選擇準則以選擇預先訓練的模型 (例如：成本、模態、延遲、多語系、模型大小、模型複雜度、自訂、輸入/輸出長度、提示快取)。
+ 描述推論參數對模型回應的影響 (例如：溫度、輸入/輸出長度)。
+ 定義檢索增強生成 (RAG)，並描述其商業應用程式 (例如：Amazon Bedrock 知識庫)。
+ 識別協助在向量資料庫中儲存嵌入項目的 AWS 服務 (例如：Amazon OpenSearch Service、Amazon Aurora、Amazon Neptune、Amazon RDS for PostgreSQL)。
+ 說明 FM 自訂的各種方法的成本抵換 (例如：預先訓練、微調、上下文學習、RAG)。
+ 描述代理程式在多步驟任務中的角色 (例如：Amazon Bedrock 代理程式、代理式 AI、模型上下文協定)。

## 任務説明 3.2： 選擇有效的提示詞工程技術。
<a name="ai-practitioner-01-task3.2"></a>

目標：
+ 定義提示詞工程的概念和結構 (例如：上下文、指令、負面提示、模型隱含空間、提示路由)。
+ 定義提示詞工程技術 (例如：思路鏈、零樣本、單一樣本、少樣本、提示範本)。
+ 識別並描述提示詞工程的好處和最佳實務 (例如：回應品質改進、實驗、防護機制、發現、特異性和簡潔性、使用多評論)。
+ 定義提示詞工程的潛在風險和限制 (例如：曝險、中毒、劫持、越獄)。

## 任務説明 3.3： 描述 FM 的訓練和微調流程。
<a name="ai-practitioner-01-task3.3"></a>

目標：
+ 描述訓練 FM 的關鍵要素 (例如：預先訓練、微調、持續預先訓練、蒸餾)。
+ 定義微調 FM 的方法 (例如：指令調校、適應特定領域的模型、轉移學習、持續預先訓練)。
+ 描述如何準備資料以微調 FM (例如：資料策管、管控、大小、標記、代表性、人類回饋的強化學習 [RLHF])。

## 任務説明 3.4： 描述評估 FM 效能的方法。
<a name="ai-practitioner-01-task3.4"></a>

目標：
+ 確定用於評估 FM 效能的方法 (例如：人力評估、基準資料集、Amazon Bedrock 模型評估)。
+ 識別相關指標以評估 FM 效能 (例如：召回率導向的摘要評估 [ROUGE]、雙語替換評測 [BLEU]、BERTScore)。
+ 判斷 FM 是否有效地符合商業目標 (例如：生產力、使用者參與度、任務工程)。
+ 識別評估使用 FM (例如：RAG、代理程式、工作流程) 建置的應用程式效能的方法。

# 內容領域 4： 負責任 AI 的指南
<a name="ai-practitioner-01-domain4"></a>

領域 4 涵蓋負責任 AI 的指南，佔考試計分內容的 14%。

**Topics**
+ [任務説明 4.1： 說明負責任 AI 系統的開發。](#ai-practitioner-01-task4.1)
+ [任務説明 4.2： 認識透明且可解釋的模型的重要性。](#ai-practitioner-01-task4.2)

## 任務説明 4.1： 說明負責任 AI 系統的開發。
<a name="ai-practitioner-01-task4.1"></a>

目標：
+ 識別負責任 AI 的特徵 (例如：偏差、公平、包容性、穩健性、安全性、真實性)。
+ 說明如何使用工具來識別負責任 AI 的特徵 (例如：Amazon Bedrock 防護機制)。
+ 定義負責任的做法以選取模型 (例如：環境考量，永續性)。
+ 識別使用 GenAI 的法律風險 (例如：智慧財產權侵權聲明、偏差模型輸出、失去客戶信任、終端使用者風險、幻覺)。
+ 識別資料集的特性 (例如：包容性、多樣性、策管資料來源、平衡資料集)。
+ 描述偏差和差異的影響 (例如：對人口統計群組的影響、不準確、過度擬合、擬合度不足)。
+ 描述用於偵測和監控偏差、可信度和真實性的工具 (例如：分析標籤品質、人力稽核、子群組分析、Amazon SageMaker Clarify、SageMaker Model Monitor、Amazon Augmented AI [Amazon A2I])。

## 任務説明 4.2： 認識透明且可解釋的模型的重要性。
<a name="ai-practitioner-01-task4.2"></a>

目標：
+ 描述透明且可解釋的模型，與不透明但可解釋的模型之間的差異。
+ 描述用於識別透明且可解釋的模型 (例如：SageMaker 模型卡、開放原始碼模型、資料、授權) 的工具。
+ 識別模型安全性與透明度之間的權衡 (例如：測量可解釋性和效能)。
+ 描述可解釋的 AI 以人為中心進行設計的原則。

# 內容領域 5： AI 解決方案的安全性、合規與管控
<a name="ai-practitioner-01-domain5"></a>

領域 5 涵蓋 AI 解決方案的安全性、合規與管控，佔考試計分內容的 14%。

**Topics**
+ [任務説明 5.1： 說明保障 AI 系統安全的方法。](#ai-practitioner-01-task5.1)
+ [任務説明 5.2： 辨識 AI 系統的管控與合規法規。](#ai-practitioner-01-task5.2)

## 任務説明 5.1： 說明保障 AI 系統安全的方法。
<a name="ai-practitioner-01-task5.1"></a>

目標：
+ 識別 AWS 服務和特徵以保障 AI 系統安全 (例如：IAM 角色、政策和權限；加密；Amazon Macie；AWS PrivateLink；AWS 共用責任模型)。
+ 描述來源引用和記錄資料來源的概念 (例如：資料沿襲、資料編目、Amazon SageMaker 模型卡)。
+ 描述保障資料工程安全的最佳實務 (例如：評估資料品質、實作隱私增強技術、資料存取控制、資料完整性)。
+ 描述 AI 系統的安全性和隱私權考量 (例如：應用程式安全性、威脅偵測、漏洞管理、基礎設施保護、提示注入、靜止和傳輸中加密)。

## 任務説明 5.2： 辨識 AI 系統的管控與合規法規。
<a name="ai-practitioner-01-task5.2"></a>

目標：
+ 識別 AWS 服務和特徵，以協助遵循管控和法規遵循 (例如：AWS Config, Amazon Inspector、AWS Audit Manager、AWS Artifact、AWS CloudTrail、AWS Trusted Advisor)。
+ 描述資料控管策略 (例如：資料生命週期、日誌記錄、駐留、監控、觀察、保留)。
+ 描述遵循管控協定的程序 (例如：政策、審查頻率、審查策略、管控架構如生成式 AI 安全範圍矩陣、透明度標準、團隊培訓要求)。

# 考試範圍內的 AWS 服務
<a name="aif-01-in-scope-services"></a>

下列清單包含 AWS Certified AI Practitioner (AIF-C01) 考試範圍內的 AWS 服務和特徵。此清單未盡列所有項目，可能會有所變更。AWS 產品項目將依據其主要功能編列於相應的類別中： 

**Topics**
+ [分析](#aif-01-in-scope-analytics)
+ [雲端財務管理](#aif-01-in-scope-cloud-financial-management)
+ [運算](#aif-01-in-scope-compute)
+ [容器](#aif-01-in-scope-containers)
+ [資料庫](#aif-01-in-scope-database)
+ [機器學習](#aif-01-in-scope-machine-learning)
+ [管理與控管](#aif-01-in-scope-management-governance)
+ [網路連結和內容交付](#aif-01-in-scope-networking)
+ [安全、身分與合規](#aif-01-in-scope-security)
+ [儲存](#aif-01-in-scope-storage)

## 分析
<a name="aif-01-in-scope-analytics"></a>
+ AWS Data Exchange
+ Amazon EMR
+ AWS Glue
+ AWS Glue DataBrew
+ AWS Lake Formation
+ Amazon OpenSearch Service
+ Amazon QuickSight
+ Amazon Redshift

## 雲端財務管理
<a name="aif-01-in-scope-cloud-financial-management"></a>
+ AWS Budgets
+ AWS Cost Explorer

## 運算
<a name="aif-01-in-scope-compute"></a>
+ Amazon EC2

## 容器
<a name="aif-01-in-scope-containers"></a>
+ Amazon Elastic Container Service (Amazon ECS)
+ Amazon Elastic Kubernetes Service (Amazon EKS)

## 資料庫
<a name="aif-01-in-scope-database"></a>
+ Amazon DocumentDB (with MongoDB compatibility)
+ Amazon DynamoDB
+ Amazon ElastiCache
+ Amazon MemoryDB
+ Amazon Neptune
+ Amazon RDS

## 機器學習
<a name="aif-01-in-scope-machine-learning"></a>
+ Amazon 增強版 AI (Amazon A2I)
+ Amazon Bedrock
+ Amazon Comprehend
+ Amazon Fraud Detector
+ Amazon Kendra
+ Amazon Lex
+ Amazon Nova
+ Amazon Personalize
+ Amazon Polly
+ Amazon Q Developer
+ Amazon Q Business
+ Amazon Rekognition
+ Amazon SageMaker AI
+ Amazon Textract
+ Amazon Transcribe
+ Amazon Translate

## 管理與控管
<a name="aif-01-in-scope-management-governance"></a>
+ AWS CloudTrail
+ Amazon CloudWatch
+ AWS Config
+ AWS Trusted Advisor
+ AWS Well-Architected Tool

## 網路連結和內容交付
<a name="aif-01-in-scope-networking"></a>
+ Amazon CloudFront
+ Amazon VPC

## 安全、身分與合規
<a name="aif-01-in-scope-security"></a>
+ AWS Artifact
+ AWS Audit Manager
+ AWS Identity and Access Management (IAM)
+ Amazon Inspector
+ AWS Key Management Service (AWS KMS)
+ Amazon Macie
+ AWS Secrets Manager

## 儲存
<a name="aif-01-in-scope-storage"></a>
+ Amazon S3
+ Amazon S3 Glacier

# 考試範圍外的 AWS 服務
<a name="aif-01-out-of-scope-services"></a>

下列清單包含超出考試範圍的 AWS 服務和特徵。此清單未盡列所有項目，且可能會有所變動。AWS 與考試的目標任務角色完全無關的產品項目不包含在此清單內： 

**Topics**
+ [分析](#aif-01-out-of-scope-analytics)
+ [應用程式整合](#aif-01-out-of-scope-application-integration)
+ [商業應用程式](#aif-01-out-of-scope-business-applications)
+ [雲端財務管理](#aif-01-out-of-scope-cloud-financial-management)
+ [運算](#aif-01-out-of-scope-compute)
+ [容器](#aif-01-out-of-scope-containers)
+ [客戶支援](#aif-01-out-of-scope-customer-enablement)
+ [資料庫](#aif-01-out-of-scope-database)
+ [開發人員工具](#aif-01-out-of-scope-developer-tools)
+ [終端使用者運算](#aif-01-out-of-scope-end-user-computing)
+ [前端網頁和行動裝置](#aif-01-out-of-scope-frontend-web-mobile)
+ [物聯網 (IoT)](#aif-01-out-of-scope-iot)
+ [機器學習](#aif-01-out-of-scope-machine-learning)
+ [管理與控管](#aif-01-out-of-scope-management-governance)
+ [媒體](#aif-01-out-of-scope-media)
+ [移轉和傳輸](#aif-01-out-of-scope-migration-transfer)
+ [網路連結和內容交付](#aif-01-out-of-scope-networking)
+ [安全、身分與合規](#aif-01-out-of-scope-security)
+ [儲存](#aif-01-out-of-scope-storage)

## 分析
<a name="aif-01-out-of-scope-analytics"></a>
+ AWS Clean Rooms
+ Amazon CloudSearch
+ Amazon FinSpace
+ Amazon Managed Streaming for Apache Kafka (Amazon MSK)

## 應用程式整合
<a name="aif-01-out-of-scope-application-integration"></a>
+ Amazon AppFlow
+ Amazon MQ
+ Amazon Simple Workflow Service (Amazon SWF)

## 商業應用程式
<a name="aif-01-out-of-scope-business-applications"></a>
+ Amazon Chime
+ Amazon Honeycode
+ Amazon Pinpoint
+ Amazon Simple Email Service (Amazon SES)
+ AWS Supply Chain
+ AWS Wickr
+ Amazon WorkDocs
+ Amazon WorkMail

## 雲端財務管理
<a name="aif-01-out-of-scope-cloud-financial-management"></a>
+ AWS Application Cost Profiler
+ AWS Billing Conductor
+ AWS Marketplace

## 運算
<a name="aif-01-out-of-scope-compute"></a>
+ AWS App Runner
+ AWS Elastic Beanstalk
+ EC2 Image Builder
+ Amazon Lightsail

## 容器
<a name="aif-01-out-of-scope-containers"></a>
+ Red Hat OpenShift Service on AWS (ROSA)

## 客戶支援
<a name="aif-01-out-of-scope-customer-enablement"></a>
+ AWS IQ
+ AWS Managed Services (AMS)
+ AWS re:Post Private
+ AWS Support

## 資料庫
<a name="aif-01-out-of-scope-database"></a>
+ Amazon Keyspaces (適用於 Apache Cassandra)
+ Amazon Quantum Ledger Database (Amazon QLDB)
+ Amazon Timestream

## 開發人員工具
<a name="aif-01-out-of-scope-developer-tools"></a>
+ AWS AppConfig
+ AWS 應用程式編寫器
+ AWS CloudShell
+ Amazon CodeCatalyst
+ AWS CodeStar
+ AWS Fault Injection Service
+ AWS X-Ray

## 終端使用者運算
<a name="aif-01-out-of-scope-end-user-computing"></a>
+ Amazon AppStream 2.0
+ Amazon WorkSpaces
+ Amazon WorkSpaces 精簡型用戶端
+ Amazon WorkSpaces Web

## 前端網頁和行動裝置
<a name="aif-01-out-of-scope-frontend-web-mobile"></a>
+ AWS Amplify
+ AWS AppSync
+ AWS Device Farm
+ Amazon Location Service

## 物聯網 (IoT)
<a name="aif-01-out-of-scope-iot"></a>
+ AWS IoT Analytics
+ AWS IoT Core
+ AWS IoT Device Defender
+ AWS IoT Device Management
+ AWS IoT Events
+ AWS IoT FleetWise
+ FreeRTOS
+ AWS IoT Greengrass
+ AWS IoT 1-Click
+ AWS IoT RoboRunner
+ AWS IoT SiteWise
+ AWS IoT TwinMaker

## 機器學習
<a name="aif-01-out-of-scope-machine-learning"></a>
+ AWS DeepComposer
+ AWS HealthImaging
+ AWS HealthOmics
+ Amazon Monitron
+ AWS Panorama

## 管理與控管
<a name="aif-01-out-of-scope-management-governance"></a>
+ AWS Control Tower
+ AWS Health 儀表板
+ AWS 實驗室
+ AWS License Manager
+ Amazon Managed Grafana
+ Amazon Managed Service for Prometheus
+ AWS OpsWorks
+ AWS Organizations
+ AWS Proton
+ AWS Resilience Hub
+ AWS 資源總管
+ AWS Resource Groups
+ AWS Systems Manager Incident Manager
+ AWS Service Catalog
+ Service Quotas
+ AWS Telco Network Builder
+ AWS 使用者通知

## 媒體
<a name="aif-01-out-of-scope-media"></a>
+ Amazon Elastic Transcoder
+ AWS Elemental MediaConnect
+ AWS Elemental MediaConvert
+ AWS Elemental MediaLive
+ AWS Elemental MediaPackage
+ AWS Elemental MediaStore
+ AWS Elemental MediaTailor
+ Amazon Interactive Video Service (Amazon IVS)
+ Amazon Nimble Studio

## 移轉和傳輸
<a name="aif-01-out-of-scope-migration-transfer"></a>
+ AWS Application Discovery Service
+ AWS Application Migration Service
+ AWS Database Migration Service (AWS DMS)
+ AWS DataSync
+ AWS Mainframe Modernization
+ AWS Migration Hub
+ AWS Snow 系列
+ AWS Transfer Family

## 網路連結和內容交付
<a name="aif-01-out-of-scope-networking"></a>
+ AWS App Mesh
+ AWS Cloud Map
+ AWS Direct Connect
+ AWS Global Accelerator
+ AWS Private 5G
+ Amazon Route 53
+ Amazon Route 53 應用程式復原控制器
+ Amazon VPC IP Address Manager (IPAM)

## 安全、身分與合規
<a name="aif-01-out-of-scope-security"></a>
+ AWS Certificate Manager (ACM)
+ AWS CloudHSM
+ Amazon Cognito
+ Amazon Detective
+ AWS Directory Service
+ AWS Firewall Manager
+ Amazon GuardDuty
+ AWS IAM Identity Center
+ AWS Payment Cryptography
+ AWS Private Certificate Authority
+ AWS Resource Access Manager (AWS RAM)
+ AWS Security Hub
+ Amazon Security Lake
+ AWS Shield
+ AWS Signer
+ Amazon Verified Permissions
+ AWS WAF

## 儲存
<a name="aif-01-out-of-scope-storage"></a>
+ AWS Backup
+ AWS 彈性災難復原

## 問卷調查
<a name="ai-practitioner-01-survey"></a>

這份考試指南對您有幫助嗎？ 歡迎填寫 [問卷調查](https://amazonmr.au1.qualtrics.com/jfe/form/SV_8vLR1a9uG9zu9Po?course_title=AI-Foundational&course_id=AIF-C01&Q_Language=EN)，與我們分享您的建議。