2022 Neueste AI-900 Dumps - Sofortiger Download PDF [Q27-Q42]

Juli 5, 2022Juli 5, 2022 examdumps2022 Neueste AI-900 Dumps - Sofortiger Download PDF [Q27-Q42] 0 Kommentar

Schlagwörter: AI-900 garantierte Fragen und Antworten, AI-900 neueste braindumps ppt, AI-900 aktuelle Prüfungsunterlagen, AI-900 neueste Studienfragen ppt, AI-900 neue Prüfung Bootcamp Materialien, AI-900 zuverlässige Testdauer

Diesen Beitrag bewerten

2022 Neueste AI-900 Dumps - Sofortiger Download PDF

Aktualisierte geprüfte AI-900 herunterladbare druckbare Prüfung Dumps

Die Microsoft AI-900-Prüfung, in der Regel als Microsoft Azure AI Fundamentals bekannt, eignet sich für IT-Spezialisten der Basisebene mit Kenntnissen in künstlicher Intelligenz (AI) und maschinellem Lernen (ML) sowie den entsprechenden Microsoft Azure-Konzepten. Dies ist die einzige Prüfung, die Sie bestehen sollten, um sich für die Microsoft Certified: Azure AI Fundamentals Zertifizierung zu qualifizieren.

Q27. Sie haben eine Azure Machine Learning-Pipeline, die ein Split Data-Modul enthält. Das Modul "Split Data" gibt an ein Modul "Train Model" und ein Modul "Score Model" aus. Was ist die Funktion des Moduls "Split Data"?

Auswahl der Spalten, die in das Modell aufgenommen werden müssen

Erstellung von Trainings- und Validierungsdatensätzen

Umleitung von Datensätzen mit fehlenden Daten

Skalierung numerischer Variablen, so dass sie innerhalb eines konsistenten numerischen Bereichs liegen

Q28. Welchen KI-Dienst können Sie verwenden, um die Bedeutung einer Benutzereingabe wie "Rufen Sie mich später zurück" zu interpretieren?

Übersetzer Text

Textanalyse

Sprache

Sprachverstehen (LUIS)

Erläuterung
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/what-is-luis

Q29. Um den Satz zu vervollständigen, wählen Sie die entsprechende Option im Antwortbereich aus.

Erläuterung:
Im einfachsten Sinne bezieht sich die Regression auf die Vorhersage eines numerischen Ziels.
Mit der linearen Regression wird versucht, eine lineare Beziehung zwischen einer oder mehreren unabhängigen Variablen und einem numerischen Ergebnis oder einer abhängigen Variable herzustellen.
Sie verwenden dieses Modul, um eine lineare Regressionsmethode zu definieren und dann ein Modell mit einem markierten Datensatz zu trainieren. Das trainierte Modell kann dann zur Erstellung von Vorhersagen verwendet werden.
Falsche Antworten:
Klassifizierung ist eine Methode des maschinellen Lernens, die Daten verwendet, um die Kategorie, den Typ oder die Klasse eines Elements oder einer Datenreihe zu bestimmen.
Clustering ist beim maschinellen Lernen eine Methode zur Gruppierung von Datenpunkten in ähnliche Cluster. Sie wird auch als Segmentierung bezeichnet.
Im Laufe der Jahre sind viele Clustering-Algorithmen entwickelt worden. Fast alle Clustering-Algorithmen verwenden die Merkmale einzelner Elemente, um ähnliche Elemente zu finden. So können Sie beispielsweise Clustering anwenden, um ähnliche Personen nach demografischen Merkmalen zu finden. Sie können Clustering mit Textanalyse verwenden, um Sätze mit ähnlichen Themen oder Stimmungen zu gruppieren.
Referenz:
https://docs.microsoft.com/en-us/azure/machine-learning/algorithm-module-reference/linear-regression
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/machine-learning-initialize- modell-clustering

Q30. Um den Satz zu vervollständigen, wählen Sie die entsprechende Option im Antwortbereich aus.

Erläuterung

Beim maschinellen Lernen bedeutet dies, dass Ihre Daten markiert oder mit Anmerkungen versehen sind, um das Ziel anzuzeigen, d. h. die Antwort, die Ihr maschinelles Lernmodell vorhersagen soll.
Im Allgemeinen kann sich die Kennzeichnung von Daten auf Aufgaben beziehen, die die Kennzeichnung, Kommentierung, Klassifizierung, Moderation, Transkription oder Verarbeitung von Daten umfassen.
Referenz:
https://www.cloudfactory.com/data-labeling-guide

Q31. Sie verwenden die Verarbeitung natürlicher Sprache, um Text aus einer Microsoft-Nachrichtenmeldung zu verarbeiten.
Sie erhalten die in der folgenden Abbildung gezeigte Ausgabe.

Welche Art der Verarbeitung natürlicher Sprachen wurde durchgeführt?

Entitätserkennung

Extraktion von Schlüsselwörtern

Stimmungsanalyse

Übersetzung

https://docs.microsoft.com/en-us/azure/cognitive-services/text-analytics/overview

Q32. Um den Satz zu vervollständigen, wählen Sie die entsprechende Option im Antwortbereich aus.

Erläuterung:
Die Verarbeitung natürlicher Sprache (NLP) wird für Aufgaben wie Stimmungsanalyse, Themenerkennung, Spracherkennung, Extraktion von Schlüsselwörtern und Dokumentenkategorisierung verwendet.
Referenz:
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language- Verarbeitung

Q33. Um den Satz zu vervollständigen, wählen Sie die entsprechende Option im Antwortbereich aus.
Die Verwendung von Recency-, Frequency- und Monetary-Werten (RFM) zur Ermittlung von Kundensegmenten ist ein Beispiel für___________

Zur Erklärung siehe unten:
Klassifizierung

Q34. Um den Satz zu vervollständigen, wählen Sie die entsprechende Option im Antwortbereich aus.

Erläuterung
Grafische Benutzeroberfläche, Tabelle Beschreibung automatisch generiert

Referenz:
https://docs.microsoft.com/en-us/azure/cloud-adoption-framework/innovate/best-practices/trusted-ai

Q35. Um den Satz zu vervollständigen, wählen Sie die entsprechende Option im Antwortbereich aus.

Q36. Sie planen die Bereitstellung eines Azure Machine Learning-Modells als Dienst, der von Client-Anwendungen genutzt werden soll.
Welche drei Prozesse sollten Sie nacheinander ausführen, bevor Sie das Modell einsetzen? Um zu antworten, verschieben Sie die entsprechenden Prozesse aus der Liste der Prozesse in den Antwortbereich und ordnen Sie sie in der richtigen Reihenfolge an.

Erläuterung
Grafische Benutzeroberfläche, Text, Anwendung, Chat oder Textnachricht Automatisch erstellte Beschreibung

Referenz:
https://docs.microsoft.com/en-us/azure/machine-learning/concept-ml-pipelines

Q37. Welchen Dienst sollten Sie verwenden, um Text, Schlüssel/Wertpaare und Tabellendaten automatisch aus gescannten Dokumenten zu extrahieren?

Formular-Erkennungsprogramm

Textanalyse

Tintenerkenner

Benutzerdefinierte Vision

Erläuterung
Beschleunigen Sie Ihre Geschäftsprozesse durch Automatisierung der Informationsextraktion. Form Recognizer wendet fortschrittliches maschinelles Lernen an, um Text, Schlüssel/Wertpaare und Tabellen aus Dokumenten zu extrahieren. Mit nur wenigen Beispielen passt Form Recognizer sein Verständnis an Ihre Dokumente an, sowohl vor Ort als auch in der Cloud.
Verwandeln Sie Formulare zu einem Bruchteil des Zeit- und Kostenaufwands in verwertbare Daten, damit Sie mehr Zeit haben, auf die Informationen zu reagieren, anstatt sie zu sammeln.
Referenz:
https://azure.microsoft.com/en-us/services/cognitive-services/form-recognizer/

Q38. Wählen Sie die Antwort aus, die den Satz richtig vervollständigt.

Erläuterung

Q39. Um den Satz zu vervollständigen, wählen Sie die entsprechende Option im Antwortbereich aus.
Computer-Vision-Funktionen können auf.................... eingesetzt werden.

Integrieren Sie eine Gesichtserkennungsfunktion in eine App.

Q40. Sie müssen eine webbasierte KI-Lösung für ein Kundensupportsystem entwickeln. Die Nutzer müssen mit einer Web-App interagieren können, die sie zur besten Ressource oder Antwort führt.
Welchen Dienst sollten Sie nutzen?

Benutzerdefinierte Vision

QnA Maker

Übersetzer Text

Gesicht

Erläuterung
QnA Maker ist ein Cloud-basierter API-Dienst, mit dem Sie eine konversationelle Frage-und-Antwort-Ebene über Ihren vorhandenen Daten erstellen können. Verwenden Sie ihn, um eine Wissensdatenbank aufzubauen, indem Sie Fragen und Antworten aus Ihren semistrukturierten Inhalten, einschließlich FAQs, Handbüchern und Dokumenten, extrahieren. Beantworten Sie die Fragen der Benutzer mit den besten Antworten aus den QnAs in Ihrer Wissensdatenbank - automatisch. Auch Ihre Wissensdatenbank wird immer intelligenter, da sie kontinuierlich aus dem Benutzerverhalten lernt.
Referenz:
https://azure.microsoft.com/en-us/services/cognitive-services/qna-maker/

Q41. Welches sind zwei Aufgaben, die mit Hilfe von Computer Vision gelöst werden können? Jede richtige Antwort enthält eine vollständige Lösung.
HINWEIS: Jede richtige Auswahl ist einen Punkt wert.

Aktienkurse vorhersagen.

Marken in einem Bild erkennen.

Erkennen des Farbschemas in einem Bild

Übersetzen Sie Text zwischen Sprachen.

Extrahieren Sie Schlüsselbegriffe.

Abschnitt: Beschreiben Sie die Merkmale von Computer Vision Workloads auf Azure
Erläuterung:
B: Identifizieren Sie kommerzielle Marken in Bildern oder Videos aus einer Datenbank mit Tausenden von globalen Logos. Mit dieser Funktion können Sie z. B. herausfinden, welche Marken in den sozialen Medien am beliebtesten sind oder in den Medien am häufigsten für Produktplatzierungen verwendet werden.
C: Analyse der Farbverwendung innerhalb eines Bildes. Computer Vision kann feststellen, ob ein Bild schwarz-weiß oder farbig ist und bei Farbbildern die dominanten und akzentuierten Farben identifizieren.
Referenz:
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/overview

Q42. Um den Satz zu vervollständigen, wählen Sie die entsprechende Option im Antwortbereich aus.

Erläuterung

Beschleunigen Sie Ihre Geschäftsprozesse durch Automatisierung der Informationsextraktion. Form Recognizer wendet fortschrittliches maschinelles Lernen an, um Text, Schlüssel/Wertpaare und Tabellen aus Dokumenten zu extrahieren. Mit nur wenigen Beispielen passt Form Recognizer sein Verständnis an Ihre Dokumente an, sowohl vor Ort als auch in der Cloud.
Verwandeln Sie Formulare zu einem Bruchteil des Zeit- und Kostenaufwands in verwertbare Daten, damit Sie mehr Zeit haben, auf die Informationen zu reagieren, anstatt sie zu sammeln.
Referenz:
https://azure.microsoft.com/en-us/services/cognitive-services/form-recognizer/

Laden …