このページは Free Exams Dumps Materials [ http://exams.dumpsmaterials.com ] からエクスポートされました。 エクスポート日時:Thu Dec 12 20:34:43 2024 / +0000 GMT ___________________________________________________ タイトル2022年8月 無料マイクロソフトAI-900試験問題集 練習問題 [Q50-Q65］ --------------------------------------------------- 8月-2022年無料マイクロソフトAI-900試験問題模擬試験 157の実際の問題でAI-900認定資格をエースします。 更新されたMicrosoft Certifiedを紹介します：Azure AI Fundamentals認定資格 この認定資格は、受験者が機械学習（ML）と人工知能（AI）ワークロードおよびAzureサービスの実装に精通していることを示す機会です。そのため、AI-900試験は、技術系および非技術系のすべての受験者が受験できます。ソフトウェア・エンジニアリングやデータ・サイエンスのスキルはこのような評価には必要ないかもしれないが、この試験をすぐに突破するチャンスを得るためには、一般的なプログラミング知識を持っていることが重要である。概して、更新されたMicrosoft Certified：Azure AI Fundamentalsの指定は、Microsoft認定を含む高度なAzureロールベースの認定に備えることで、キャリアアップに役立ちます：Microsoft Certified: Azure AI Engineer Associate および Microsoft Certified：Azureデータサイエンティストアソシエイト認定資格。 結論 過去10年ほどの画期的なツールの1つが人工知能（AI）である。マイクロソフトのようなトップクラスの企業やIT認定ベンダーが、この分野の最新動向をいち早く取り入れるために前面に出てきているのは喜ばしいことだ。今日、傑出した認定資格のひとつにMicrosoft Certifiedがある：Azure AI Fundamentalsは、この分野で第一歩を踏み出そうとしているすべての研修生に適している。最新のテクノロジーにより、AIエンジニアの需要はかつてないほど高まっており、業界の専門家は、この傾向は将来にわたって何年も続く可能性があると述べている。つまり、今がこの分野に参入する絶好のチャンスなのです。最新のカリキュラムを備えたMicrosoftのAI-900試験は、あなたがこの分野で強く主張するのに役立ちますので、キャリアの後の段階でより高度な認定に集中することができます。だから、上記のリソースで始めて、あなたのプロ生活の最適な高みに到達するために最高のスペシャリストになることができます。 Q50.以下の各事項について、その記述が正しい場合は「はい」を選択し、そうでない場合は「いいえ」を選択しなさい。そうでない場合は、「いいえ」を選択しなさい。 参考:https://docs.microsoft.com/en-us/azure/machine-learning/concept-designerQ51。この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。 解説Q52.以下の各記述について、その記述が正しい場合は「はい」を選択し、そうでない場合は「いいえ」を選択してください。そうでない場合は、「いいえ」を選択してください。注：正しい選択には1点ずつ価値があります。 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、電子メール 説明自動生成Q53.あなたは、Azure Machine Learningで基本ワークスペースとエンタープライズワークスペースのどちらを使用するかを評価しています。エンタープライズワークスペースを必要とする2つのタスクは何ですか？各正解は完全なソリューションを提示します。注：各正解の選択は1ポイントに相当します。 グラフィカル・ユーザー・インターフェース（GUI）を使用して、自動化された機械学習実験を実行する。 ワークステーションとして使用するコンピュートインスタンスを作成する。 グラフィカル・ユーザー・インターフェース（GUI）を使用して、Azure Machine Learning designerから機械学習実験を定義して実行する。 カンマ区切り値（CSV）ファイルからデータセットを作成する。 解説注：エンタープライズワークスペースは2020年9月をもって利用できなくなりました。基本ワークスペースはエンタープライズワークスペースのすべての機能を持つようになりました。参考:https://www.azure.cn/en-us/pricing/details/machine-learning/https://docs.microsoft.com/en-us/azure/machine-learning/concept-workspaceQ54。あなたは、電子メール、Microsoft Teams、およびWebチャットを含む複数のチャネルを介してユーザーと通信する会話AIソリューションを開発しています。 テキスト分析 Azureボットサービス 翻訳者 フォーム認識 参考:https://docs.microsoft.com/en-us/azure/bot-service/bot-service-overview-introduction?view=azure-bot-service-4.Q55。あなたは、Azureで自然言語処理ソリューションを開発しています。このソリューションは、顧客のレビューを分析し、各レビューがどのように肯定的または否定的であるかを判断します。これは、どのタイプの自然言語処理ワークロードの例ですか？ 言語検出 センチメント分析 キーフレーズ抽出 エンティティ認識 セクションAzure上の自然言語処理（NLP）ワークロードの機能について説明します。説明：センチメント分析とは、文章の一部が肯定的、否定的、または中立的であるかを判断するプロセスです。参考:https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language- processingQ56.あなたは、自動機械学習ユーザーインターフェイス（UI）を使用して機械学習モデルを構築します。あなたは、モデルが責任あるAIのためのマイクロソフトの透明性の原則に適合していることを確認する必要があります。 検証タイプを「自動」に設定します。 最良のモデルを説明するを有効にします。 プライマリ・メトリックをaccuracyに設定する。 最大同時反復回数を0に設定する。 セクション人工知能のワークロードと考慮事項を説明するExplanation:モデルの説明能力ほとんどのビジネスは信頼の上で動いており、MLの「ブラックボックス」を開くことができることは、透明性と信頼を構築するのに役立ちます。ヘルスケアや銀行のような規制の厳しい業界では、規制とベストプラクティスを遵守することが重要です。その重要な側面の1つは、入力変数（フィーチャー）とモデル出力の関係を理解することである。各特徴（特徴の重要度）が予測値に与える影響の大きさと方向の両方を知ることは、モデルをよりよく理解し説明するのに役立ちます。モデルの説明能力により、自動化されたML実行の一部として、特徴の重要性を理解することができます。参考:https://azure.microsoft.com/en-us/blog/new-automated-machine-learning-capabilities-in-azure-machine- learning-service/Q57.以下の各ステートメントについて、そのステートメントが真であれば、Yesを選択してください。そうでない場合は、「いいえ」を選択してください。注：各選択肢の正解は1ポイントに相当します。 参考:https://docs.microsoft.com/en-gb/azure/cognitive-services/qnamaker/concepts/data-sources-and-contenthttps://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-serviceQ58。あなたの会社はボトルのリサイクル機を作りたいと考えています。このリサイクル機は、正しい形状のボトルを自動的に識別し、それ以外のものはすべて拒否しなければなりません。 異常検知 会話型AI コンピュータビジョン 自然言語処理 AzureのComputer Visionサービスでは、画像を処理し、関心のある視覚的特徴に基づいて情報を返す高度なアルゴリズムにアクセスできます。例えば、Computer Visionは、画像にアダルトコンテンツが含まれているかどうかを判断したり、特定のブランドやオブジェクトを見つけたり、人の顔を見つけたりすることができます。参考:https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/overviewQ59。よくある質問（FAQ）ページを使用してQnAメーカーボットを構築します。ボットをより使いやすくするために、プロフェッショナルな挨拶やその他の応答を追加する必要があります。 回答の信頼度を上げる 能動的な学習を可能にする 複数回答可能な質問を作成する 雑談を追加する 参考:https://docs.microsoft.com/en-us/azure/cognitive-services/qnamaker/how-to/chit-chat-knowledge-base?tabs=v1Q60。会話型 AI ワークロードの例となる 2 つのシナリオはどれですか?各正解は完全な解決策を示します。注：各正解は1ポイントに相当します。 あらかじめメッセージを録音しておく電話応対サービス ユーザーが自分でウェブサイト上の答えを見つける機能を提供するチャットボット 人的リソースの負担を軽減する電話音声メニュー 公開されているウェブサイトをクロールして、よくある質問（FAQ）文書を作成するサービス セクションAzure上の会話型AIワークロードの機能について説明する。C：自動化された顧客との対話は、どのような規模のビジネスにとっても不可欠です。実際、消費者の61%は音声によるコミュニケーションを好み、そのほとんどがセルフサービスを好む。顧客満足はすべてのビジネスにとって優先事項であるため、セルフサービスは顧客とのコミュニケーション戦略にとって重要な要素です：正解：D：初期のボットは比較的単純で、比較的単純なアルゴリズムロジックで反復的かつ大量のタスクを処理していました。例えば、検索エンジンがウェブコンテンツを自動的に探索し、カタログ化するために使用するウェブクローラです。参考:https://docs.microsoft.com/en-us/azure/architecture/data-guide/big-data/ai-overviewhttps://docs.microsoft.com/en-us/azure/architecture/solution-ideas/articles/interactive-voice-response-botQ61。今後10年間の海面水位をメートル単位で予測する必要がある。どのタイプの機械学習を使うべきか？ 分類 回帰 クラスタリング 説明最も基本的な意味で、回帰は数値目標の予測を指します。線形回帰は、1つ以上の独立変数と数値結果、つまり従属変数の間に線形関係を確立しようとします。このモジュールを使って線形回帰手法を定義し、ラベル付きデータセットを使ってモデルを訓練します。学習したモデルは、予測を行うために使用できます。参考:https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/linear-regressionQ62。あなたはコンピュータビジョン API に画像を送信し、展示に示された注釈付き画像を返します。 オブジェクト検出 セマンティックセグメンテーション 光学式文字認識(OCR) 画像分類 説明オブジェクト検出はタグ付けに似ていますが、APIは検出された各オブジェクトのバウンディングボックス座標（ピクセル単位）を返します。たとえば、画像に犬、猫、人物が含まれている場合、Detect操作は画像内の座標とともにこれらのオブジェクトを一覧表示します。この機能を使って、画像内のオブジェクト間の関係を処理できます。Detect APIは、画像内で識別されたオブジェクトや生物に基づいてタグを適用します。現在のところ、タグ分類法とオブジェクト検出分類法の間に正式な関係はありません。概念レベルでは、Detect APIは物体と生物のみを検出するが、Tag APIは「屋内」のような文脈上の用語も含めるこ