AI

Al utilizar la detección de objetos, ¿qué se utiliza para identificar la ubicación de un objeto clasificado dentro de una imagen?. Etiqueta. ID. Pointer. Cuadro delimitador.

Para cada rasgo de un ser humano, seleccione Sí si el rasgo puede ser detectado utilizando rasgos de análisis facial y No si no puede. Edad. Estado emocional. Ubicación.

¿Qué técnica de visión por computadora se usa cuando el texto debe leerse desde el frente de una tienda vitual y luego incluirse en un modelo de aprendizaje automático para calcular la probabilidad de que la tienda virtual reciba visitas durante ciertos momentos del día?. Detección de objetos. Segmentación semántica. Reconocimiento óptico de caracteres (OCR). Análisis de imágenes.

Para cada tarea de IA, utilice las listas desplegables para indicar si la tarea se realiza mediante técnicas de Visión por ordenador (Computer Vision) o de Visión personalizada (Custom vision). Extracción de texto. Modelos de detección de objetos. Análisis de imágenes y vídeos.

Examine los servicios cognitivos de IA que aparecen en la lista y, a continuación, seleccione Sí si el servicio forma parte de Text Analytics y No si el servicio no forma parte de Text Analytics. Detección de lugares. Traducción. Extracción de frases clave.

Se está desarrollando una aplicación de IA para aceptar o rechazar solicitudes de crédito. ¿Qué cuestiones de equidad deben tenerse en cuenta para el modelo de IA? (Elija dos). Historial de pagos. Género. Niveles de ingresos. Etnicidad.

¿Cuál es la mayor preocupación a la hora de trabajar con información de salud personal (PHI) dentro de la IA?. Transparencia. Fiabilidad. Privacidad. Seguridad.

¿Qué principio rector de la IA requiere que se tenga en cuenta el origen étnico, el género, la capacidad física y la orientación sexual?. Seguridad. Privacidad. Inclusividad. Transparencia.

¿Qué principio rector de los modelos de IA implica informar a los usuarios de las limitaciones que puede tener el modelo?. Responsabilidad. Transparencia. Seguridad. Inclusividad.

Para cada aspecto de un modelo de aprendizaje automático, utilice las listas desplegables para indicar si el aspecto es una característica o una etiqueta. Los períodos de lluvia en un día determinado. La cantidad de lluvia en un día determinado. El número de Inpermeables vendidos.

Un desarrollador necesita construir un modelo de inteligencia artificial que use las estaciones de un año y las áreas demográficas para predecir la cantidad de inscripciones que se producirán en cada clase para el próximo año. ¿Qué modelo de aprendizaje automático debería utilizar el desarrollador?. Categorización. Regresión. Agrupación. Clasificación.

Para cada escenario de aprendizaje automático, seleccione Sí si el escenario describe un modelo de aprendizaje automático de agrupación y No si no lo hace. Identificación de grupos de árboles. Las personas se agrupan por tipos de aprendizaje. El número de Camisetas pedidas por día.

Utilizando la función de arrastrar y soltar, haga coincidir cada aspecto de Azure Machine Learning Studio con su descripción. Compute Target. Compute Cluster. Inference Cluster.

Evalúe cada una de las afirmaciones relativas al uso de conjuntos de datos en el entrenamiento de un modelo. Seleccione "Sí" si la afirmación es verdadera y "No" si es falsa. Pipelines (proceso global) deben utilizar un conjunto de datos completo para entrenar un modelo. Se debe conocer algunas etiquetas del conjunto de datos original. Se requiere una tarea de transformación de Limpiar datos perdidos.

Para cada escenario de aprendizaje automático, seleccione Sí si el escenario de aprendizaje automático debe ser un escenario de aprendizaje de clasificación y No si el escenario de aprendizaje automático no debe ser un escenario de aprendizaje de clasificación. Clasificación de juegos en nuevas categorías. Clasificación de libros en libros infantiles o libros para adultos. Determinar el precio de los nuevos libros infantiles.

Evalúe cada característica de una carga de trabajo. Seleccione Sí si la característica es un ejemplo de detección de anomalías y No si no lo es. Un aumento en el tráfico de red. Un aumento repentino en la cantidad de inicios de sesión fallidos. Un modelo de clasificación que predice que al 90% de las personas les gustará más el color rojo que el azul.

¿Qué tipo de carga de trabajo de IA utiliza la segmentación semántica?. Machine learning (Aprendizaje automático). Generative AI (IA Generativa). Natural language (Lenguaje natural). Computer vision (Visión artificial).

¿Qué carga de trabajo de aprendizaje automático interpreta y responde al lenguaje hablado?. Conversational AI (IA conversacional). Computer vision. Word2Vector. Natural language.

Para cada afirmación relativa a la interfaz de usuario de aprendizaje automático, seleccione Sí si la afirmación es verdadera y No si es falsa. La UI de Aprendizaje Automático puede entrenar un modelo de aprendizaje automático de regresión. La UI de Aprendizaje Automático puede entrenar un modelo de aprendizaje automático de clustering. La UI de Aprendizaje Automático requiere conocimientos de Python.

¿La clasificación de imágenes forma parte de qué tipo de carga de trabajo de aprendizaje automático?. DenseNet. Conversational AI (IA conversacional). Natural Language (Lenguaje natural). Computer Vision (Vision por ordenador).

Para cada una de las afirmaciones relativas a las directrices de los Bots de IA responsables, seleccione "Sí" si la afirmación es verdadera y "No" si es falsa. Un usuario debe saber que se está comunicando con un bot. Un bot debe entregar a un usuario a un agente en vivo como último recurso. Los bots deben cumplir las normas de accesibilidad.

¿Qué característica de las cargas de trabajo de PNL evalúa el texto dentro de un documento y luego identifica los puntos principales en torno al contexto del documento?. Análisis de sentimientos. Extracción de frases clave. Detección de Idioma. Entidades.

Para cada afirmación relativa al reconocimiento de la entidad, seleccione Sí si la afirmación es verdadera y No si es falsa. Se pueden generar enlaces web para una entidad con el fin de proporcionar más información sobre la misma. El texto debe estar estructurado en un formato de base de datos para ser analizado en busca de entidades. Las entidades pueden tener tanto un tipo como un subtipo.

¿En qué modelo se basa la API de conversión de voz a texto, que forma parte de la síntesis de voz?. Servicios de voz. Modelo de lenguaje universal. Procesamiento del lenguaje natural. Servicios cognitivos.

¿Qué servicio de IA se utiliza para personalizar los modelos lingüísticos mediante el uso de cargas de frases o palabras pertenecientes al vocabulario de un caso de uso específico?. SRT. TTML. VI. VTT.

Un desarrollador necesita crear un recurso Azure para utilizar el Servicio de Voz dentro de una aplicación. ¿A partir de qué dos recursos puede el desarrollador crear un recurso que cumpla los requisitos del Servicio de Voz? (Elige dos). Servicios de Voz. Servicios cognitivos. Texto a voz. Conversión de voz a texto.

¿Cuáles son dos configuraciones son opcionales en el Translator Text API? (Elija dos). Texto a texto. Traducción selectiva. Conversión de voz a texto. Filtro de obscenidades.

Which of the following features is characteristic of generative AI models?. They are limited to performing pre-defined tasks. They primarily focus on optimizing existing processes. They require vast amounts of labeled data for training. They excel in mimicking human behavior and creativity.

Which of the following scenarios represent advanced applications of generative AI?. Predicting stock market trends based on historical data. Generating realistic human faces from textual descriptions. Recognizing objects and scenes in images captured by autonomous vehicles. Simulating realistic physical interactions in virtual environments. Creating personalized product recommendations for online shoppers.

Identify the statements that accurately reflect responsible AI considerations for generative AI models. (Select all that apply). Regular audits and evaluations of generative AI models are essential to ensure ongoing ethical performance. Engaging with diverse stakeholders and communities is crucial to understand and address potential harms of generative AI models. Generative AI models should prioritize speed and efficiency over transparency and interpretability to remain competitive. Mitigating biases in generative AI models is unnecessary since they operate autonomously. Generative AI models can be deployed without considering potential societal impacts if they produce impressive results.

Which of the following statements best describes the natural language generation capabilities of Azure OpenAI Service?. Azure OpenAI Service only supports basic text generation and lacks advanced capabilities such as sentiment analysis and language understanding. Azure OpenAI Service primarily focuses on speech recognition and translation, rather than natural language generation. Azure OpenAI Service provides pre-trained models for generating natural language text tailored specifically for medical applications. Azure OpenAI Service offers a suite of tools for developers to create chatbots and virtual assistants with advanced natural language generation capabilities.

Which statement accurately describes the code generation capabilities of Azure OpenAI Service?. Azure OpenAI Service supports code generation for specific programming languages but lacks flexibility in generating complex algorithms. Azure OpenAI Service offers pre-built code snippets for common programming tasks but does not provide comprehensive code generation capabilities. Azure OpenAI Service is primarily focused on natural language understanding and generation, with limited support for code generation tasks. Azure OpenAI Service allows developers to automatically generate complete production-ready code from simple textual descriptions of desired functionality.

Which aspect is a key characteristic of deep learning techniques?. They require minimal computational resources for training due to their simplicity. They are typically trained on small datasets to achieve high accuracy. They utilize neural network architectures with multiple layers to automatically learn hierarchical representations of data. They rely heavily on handcrafted features engineered by domain experts.

Which advanced feature is not typically associated with the Azure AI Face detection service?. Emotion recognition to detect facial expressions such as happiness or sadness. Face de-identification to protect individuals' privacy by blurring or obscuring their faces. Facial landmark detection for identifying key points on a person's face. Natural language processing for extracting text content from images containing faces.

Regarding the OCR capabilities of the Azure AI Vision service, which statements are true? (Select all that apply.). Azure AI Vision service supports the extraction of text from handwritten documents. It offers multilingual OCR capabilities, allowing the recognition of text in various languages. Azure AI Vision service can recognize text in images stored only in the JPEG format. It provides the ability to preserve the formatting and layout of extracted text.

Select which of these statements about Azure AI image generation is true. Azure OpenAI Service can generate high-resolution images from textual descriptions. Azure OpenAI Service offers a variety of pre-trained models for generating images across different domains. Azure OpenAI Service provides real-time image editing tools for enhancing existing images. Azure OpenAI Service integrates with popular image editing software for seamless image generation workflows.

Identify the features of generative AI models. (Select all that apply). Generative AI models always require labeled data for training. They excel in mimicking human behavior and creativity. They are limited to performing pre-defined tasks. They require vast amounts of labeled data for training.