2022 最新 AI-900 转储 - 立即下载 PDF [Q27-Q42]

7 月 5, 20227 月 5, 2022 考试2022 最新 AI-900 转储 - 立即下载 PDF [Q27-Q42] 0 条评论

標籤: AI-900 保证问题答案, AI-900 最新教程 ppt, AI-900 最新考试说明, AI-900 最新学习问题 ppt, AI-900 新考试训练营材料, AI-900 可靠测试持续时间

给本帖评分

2022 最新 AI-900 转储 - 立即下载 PDF

最新验证的 AI-900 可下载打印考试试卷

Microsoft AI-900 考试通常称为 Microsoft Azure AI Fundamentals，非常适合具备人工智能（AI）和机器学习（ML）知识以及相关 Microsoft Azure 概念的基础级 IT 专家。这是获得 Microsoft Certified：Azure AI 基础认证。

Q27. 您有一个 Azure 机器学习管道，其中包含一个拆分数据模块。拆分数据模块输出到训练模型模块和评分模型模块。拆分数据模块的功能是什么？

选择模型中必须包含的列

创建训练和验证数据集

转移数据缺失的记录

缩放数值变量，使其处于一致的数值范围内

Q28. 您可以使用哪种人工智能服务来解释用户输入（如 "稍后给我回电话"）的含义？

翻译文本

文本分析

发言

语言理解（LUIS）

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

Q29. 要完成句子，请在答案区域选择适当的选项。

解释：
从最基本的意义上讲，回归指的是对数字目标的预测。
线性回归试图在一个或多个自变量与数值结果或因变量之间建立线性关系。
您可以使用该模块定义线性回归方法，然后使用标注数据集训练模型。训练后的模型可用于预测。
错误答案：
分类是一种机器学习方法，它使用数据来确定一个项目或一行数据的类别、类型或等级。
在机器学习中，聚类是一种将数据点归入相似群组的方法。它也被称为分割。
多年来，人们开发了许多聚类算法。几乎所有的聚类算法都使用单个项目的特征来查找相似项目。例如，您可以使用聚类来根据人口统计学特征找到相似的人。您可以将聚类与文本分析结合使用，将具有相似主题或情感的句子归类。
参考资料
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- 模型聚类

Q30. 要完成句子，请在答案区域选择适当的选项。

说明

在机器学习中，如果您有标签数据，这意味着您的数据已被标记或注释，以显示目标，即您希望机器学习模型预测的答案。
一般来说，数据标注可以指包括数据标记、注释、分类、调节、转录或处理在内的任务。
参考资料
https://www.cloudfactory.com/data-labeling-guide

Q31. 您使用自然语言处理技术处理来自微软新闻报道的文本。
您将收到如下所示的输出结果。

进行了哪种类型的自然语言处理？

实体识别

关键词提取

情感分析

译文

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

Q32. 要完成句子，请在答案区域选择适当的选项。

解释：
自然语言处理（NLP）可用于情感分析、主题检测、语言检测、关键短语提取和文档分类等任务。
参考资料
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language- 处理

Q33. 要完成句子，请在答案区域选择适当的选项。
___________。

请看下面的解释：
分类

Q34. 要完成句子，请在答案区域选择适当的选项。

说明
图形用户界面，自动生成表格说明

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

Q35. 要完成句子，请在答案区域选择适当的选项。

Q36. 您计划将 Azure 机器学习模型作为服务部署，客户端应用程序将使用该模型。
在部署模型之前，应依次执行哪三个流程？要回答问题，请将流程列表中的相应流程移到答案区域，并按正确顺序排列。

说明
自动生成图形用户界面、文本、应用程序、聊天或文本信息描述

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

Q37. 应该使用哪种服务从扫描文档中自动提取文本、键/值对和表格数据？

表格识别器

文本分析

墨水识别器

定制愿景

说明
自动提取信息，加快业务流程。Form Recognizer 应用先进的机器学习技术，从文档中准确提取文本、键/值对和表格。只需几个样本，Form Recognizer 就能根据您的文档（包括内部部署文档和云文档）调整其理解能力。
只需花费极少的时间和成本，就能将表单转化为可用的数据，这样您就可以将更多的时间用于处理信息，而不是汇编信息。
参考资料
https://azure.microsoft.com/en-us/services/cognitive-services/form-recognizer/

Q38. 选择能正确完成句子的答案。

说明

Q39. 要完成句子，请在答案区域选择适当的选项。
计算机视觉功能可部署到....................

在应用程序中集成面部识别功能。

Q40. 您需要为客户支持系统开发一个基于网络的人工智能解决方案。用户必须能够与网络应用程序进行交互，该程序将引导他们找到最佳资源或答案。
您应该使用哪种服务？

定制愿景

QnA 制作者

翻译文本

面孔

说明
QnA Maker 是一种基于云的 API 服务，可让您在现有数据上创建一个对话式问答层。使用它可以从常见问题解答、手册和文档等半结构化内容中提取问题和答案，从而建立知识库。从知识库中的 QnAs 中自动选出最佳答案，回答用户的问题。您的知识库也会变得更加智能，因为它会不断从用户行为中学习。
参考资料
https://azure.microsoft.com/en-us/services/cognitive-services/qna-maker/

Q41. 利用计算机视觉可以完成哪两项任务？每个正确答案都给出了一个完整的解决方案。
注意：每个正确选项得一分。

预测股票价格

检测图像中的品牌

检测图像中的配色方案

在不同语言之间翻译文本。

提取关键短语。

部分介绍 Azure 上计算机视觉工作负载的特点
解释：
B：从数以千计的全球徽标数据库中识别图片或视频中的商业品牌。例如，您可以利用这一功能发现哪些品牌在社交媒体上最受欢迎，或在媒体产品植入中最常见。
C：分析图像中的色彩使用情况。计算机视觉可以确定图像是黑白的还是彩色的，对于彩色图像，还能识别主色调和重点色调。
参考资料
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/overview

Q42. 要完成句子，请在答案区域选择适当的选项。

说明

自动提取信息，加快业务流程。Form Recognizer 应用先进的机器学习技术，从文档中准确提取文本、键/值对和表格。只需几个样本，Form Recognizer 就能根据您的文档（包括内部部署文档和云文档）调整其理解能力。
只需花费极少的时间和成本，就能将表单转化为可用的数据，这样您就可以将更多的时间用于处理信息，而不是汇编信息。
参考资料
https://azure.microsoft.com/en-us/services/cognitive-services/form-recognizer/

加载中 …