2022 最新AI-900 dumps - Instant Download PDF [Q27-Q42].

7月 5, 20227月 5, 2022 試験問題2022 最新AI-900 dumps - Instant Download PDF [Q27-Q42]. 0 コメント

タグ: AI-900保証付問題集, AI-900最新版braindumps ppt, AI-900最新試験ノート, AI-900最新学習問題集ppt, AI-900新試験ブートキャンプ資料, AI-900の信頼できる試験時間

この記事を評価する

2022 最新 AI-900 ダンプ - インスタントダウンロード PDF

更新された検証済みのAI-900ダウンロード可能な印刷可能試験問題集

Microsoft AI-900 試験は、通常 Microsoft Azure AI Fundamentals として知られており、人工知能（AI）と機械学習（ML）、および関連する Microsoft Azure の概念に関する知識を持つ基本レベルの IT スペシャリストに適しています。これは、Microsoft認定資格を得るために合格すべき唯一の試験です：Azure AI Fundamentals 認定資格を取得するには、このテストに合格する必要があります。

Q27. あなたは、Split Dataモジュールを含むAzure Machine Learningパイプラインを持っています。Split Dataモジュールは、Train ModelモジュールとScore Modelモジュールに出力します。Split Dataモジュールの機能は何ですか？

モデルに含めなければならない列を選択する

トレーニングデータセットと検証データセットの作成

データが欠落しているレコードの流用

数値変数が一貫した数値範囲に収まるようにスケーリングする。

Q28. "後でかけ直す "といったユーザー入力の意味を解釈するために、どのAIサービスを利用できますか？

翻訳者テキスト

テキスト分析

スピーチ

言語理解（LUIS）

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

Q29. 文章を完成させるには、解答欄で適切な選択肢を選んでください。

説明する：
最も基本的な意味では、回帰は数値目標の予測を意味する。
線形回帰は、1つまたは複数の独立変数と数値結果（従属変数）の間の線形関係を確立しようとするものである。
このモジュールを使って線形回帰手法を定義し、ラベル付きデータ集合を使ってモデルを訓練します。学習されたモデルは、予測を行うために使用できます。
不正解：
分類は、データを使用して、データの項目または行のカテゴリ、タイプ、またはクラスを決定する機械学習手法です。
機械学習におけるクラスタリングとは、データ点を類似したクラスタにグループ化する手法である。セグメンテーションとも呼ばれる。
長年にわたり、多くのクラスタリングアルゴリズムが開発されてきた。ほとんどすべてのクラスタリング・アルゴリズムは、個々のアイテムの特徴を使用して、類似のアイテムを見つけます。たとえば、クラスタリングを適用して、人口統計学的に類似した人々を見つけることができます。テキスト分析でクラスタリングを使用して、トピックやセンチメントが似ている文章をグループ化することもできます。
参考までに：
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- モデル・クラスタリング

Q30. 文章を完成させるには、解答欄で適切な選択肢を選んでください。

説明

機械学習では、ラベル付けされたデータがある場合、それは機械学習モデルに予測させたい答えを示すために、データがマークアップ（注釈）されていることを意味する。
一般的に、データラベリングは、データのタグ付け、注釈、分類、修正、転記、または処理を含むタスクを指す。
参考までに：
https://www.cloudfactory.com/data-labeling-guide

Q31. あなたは自然言語処理を使ってマイクロソフトのニュース記事のテキストを処理する。
次の図のような出力が表示される。

どのような自然言語処理が行われたのか？

エンティティ認識

キーフレーズ抽出

センチメント分析

翻訳

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

Q32. 文章を完成させるには、解答欄で適切な選択肢を選んでください。

説明する：
自然言語処理（NLP）は、感情分析、トピック検出、言語検出、キーフレーズ抽出、文書分類などのタスクに使用される。
参考までに：
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language- 処理

Q33. 文章を完成させるには、解答欄で適切な選択肢を選んでください。
顧客ベースのセグメントを特定するためにRFM（Recency, Frequency, Monetary）値を使用することは、______________の例である。

以下の説明を参照されたい：
分類

Q34. 文章を完成させるには、解答欄で適切な選択肢を選んでください。

説明
グラフィカル・ユーザー・インターフェース、自動生成された表解説

参考までに：
https://docs.microsoft.com/en-us/azure/cloud-adoption-framework/innovate/best-practices/trusted-ai

Q35. 文章を完成させるには、解答欄で適切な選択肢を選んでください。

Q36. あなたは、クライアントアプリケーションによって使用されるサービスとして、Azure Machine Learningモデルをデプロイすることを計画しています。
モデルをデプロイする前に、順番に実行すべき3つのプロセスはどれですか？解答するには、プロセスのリストから適切なプロセスを解答エリアに移動し、正しい順序で並べます。

説明
グラフィカル・ユーザー・インターフェース、テキスト、アプリケーション、チャット、テキスト・メッセージ自動生成される説明文

参考までに：
https://docs.microsoft.com/en-us/azure/machine-learning/concept-ml-pipelines

Q37. スキャンした文書からテキスト、キーと値のペア、テーブルデータを自動的に抽出するには、どのサービスを使用すればよいですか？

フォーム認識

テキスト分析

インク認識装置

カスタムビジョン

説明
情報抽出を自動化することで、ビジネスプロセスを加速します。Form Recognizerは高度な機械学習を適用し、ドキュメントからテキスト、キーと値のペア、テーブルを正確に抽出します。わずかなサンプルで、Form Recognizerはオンプレミスとクラウドの両方で、お客様のドキュメントに合わせて理解を深めます。
フォームをわずかな時間とコストで使用可能なデータに変換することで、情報を集計する時間よりも、情報を活用する時間に集中することができます。
参考までに：
https://azure.microsoft.com/en-us/services/cognitive-services/form-recognizer/

Q38. 文の意味を正しく表しているものを選んでください。

説明

Q39. 文章を完成させるには、解答欄で適切な選択肢を選んでください。
コンピュータ・ビジョンの能力は.........................

顔認識機能をアプリに組み込む。

Q40. 顧客サポートシステムのためのウェブベースのAIソリューションを開発する必要があります。ユーザーは、最適なリソースや回答を案内するウェブアプリと対話できなければなりません。
どのサービスを使うべきか？

カスタムビジョン

QnAメーカー

翻訳者テキスト

顔

説明
QnA MakerはクラウドベースのAPIサービスで、既存のデータ上に会話形式の質問と回答のレイヤーを作成できます。FAQ、マニュアル、ドキュメントなどの半構造化コンテンツから質問と回答を抽出し、ナレッジベースを構築します。ナレッジベースのQnAから最適な回答でユーザーの質問に自動的に回答します。ナレッジベースは、ユーザーの行動から継続的に学習するため、より賢くなります。
参考までに：
https://azure.microsoft.com/en-us/services/cognitive-services/qna-maker/

Q41. コンピュータ・ビジョンを使って実行できる2つのタスクとは？それぞれの正解は完全な解答を示しています。
注意：各選択肢の正解は1点満点とする。

株価を予測する。

画像内のブランドを検出する。

画像の配色を検出する

言語間のテキストを翻訳する。

キーワードを抽出する。

セクションAzure上のコンピュータビジョン・ワークロードの特徴を説明する
説明する：
B: 何千ものグローバルロゴのデータベースから、画像やビデオに写っている商業ブランドを特定します。この機能は、例えば、ソーシャルメディアで最も人気のあるブランドや、メディアのプロダクト・プレースメントで最も普及しているブランドを発見するために使用できます。
C: 画像内の色使いを分析する。コンピュータ・ビジョンは、画像が白黒かカラーかを判断し、カラー画像の場合は支配色とアクセントカラーを識別することができます。
参考までに：
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/overview

Q42. 文章を完成させるには、解答欄で適切な選択肢を選んでください。

説明

情報抽出を自動化することで、ビジネスプロセスを加速します。Form Recognizerは高度な機械学習を適用し、ドキュメントからテキスト、キーと値のペア、テーブルを正確に抽出します。わずかなサンプルで、Form Recognizerはオンプレミスとクラウドの両方で、お客様のドキュメントに合わせて理解を深めます。
フォームをわずかな時間とコストで使用可能なデータに変換することで、情報を集計する時間よりも、情報を活用する時間に集中することができます。
参考までに：
https://azure.microsoft.com/en-us/services/cognitive-services/form-recognizer/

ローディング …