AI

¿Qué herramienta de código abierto ayuda a mejorar la equidad en las soluciones de IA basadas en Microsoft?. Comprobador de prejuicios. Fairlearn. Azure Machine Learning. FATE.

Para cada tipo de proyecto de IA, seleccione "Sí" cuando la fiabilidad y la seguridad se consideren los principales principios rectores del proyecto y "No" si otros principios rectores de la IA son los más importantes para el proyecto. Prácticas comerciales. Las suscripciones de los pacientes. Solicitudes de préstamo.

¿Qué modelo de IA tiene la seguridad como su mayor preocupación?. Vehículos autónomos. Tramitación de préstamos. Software de reconocimiento facial. Modelos que utilizan PII.

Con la función de arrastrar y soltar, haga coincidir cada principio rector de la IA con su descripción. Privacidad. Transparencia. Fiabilidad. Inclusividad.

Por cada aspecto de un modelo de IA, seleccione "Sí" si el aspecto entra en el principio rector de la transparencia y "No" si no lo hace. Informar a los usuarios de las limitaciones del modelo. Incluir el género como consideración. Se desarrolla un modelo en el marco de los principios organizacionales.

¿Qué principio rector de IA establece que los modelos de IA deben construirse para cumplir con los estándares éticos y legales que se aplican a la organización que desarrolla el modelo?. Transparencia. Seguridad. Responsabilidad. Fiabilidad.

Para cada elemento de un modelo de aprendizaje automático, seleccione "Sí" si el elemento es una característica y "No" si no lo es. Temperatura. Porcentaje de sol en un día. Número de alquileres de barcos.

¿Qué modelo de aprendizaje automático agrupa las etiquetas en categorías, como es el caso de agrupar a las personas en trayectorias profesionales basándose en la información que éstas proporcionan? https://www.daypo.com/images/document.png. Clasificación. Algoritmo. Regresión. Agrupación.

En Azure Machine Learning Studio, ¿qué almacena los datos para el entrenamiento del modelo?. Conjunto de datos. Cosmos DB. Almacén de datos SQL. Base de datos SQL.

Para cada modelo de aprendizaje automático, seleccione Sí si el modelo debe ser un modelo de aprendizaje automático de regresión y No si el modelo no debe ser un modelo de aprendizaje automático de regresión. Predicción del precio de los barcos. Predicción de la cantidad de abrigos de invierno vendidos. Predicción de los correos electrónicos no deseados de un filtro de spam.

Para entrenar un modelo de aprendizaje automático, ¿qué se incluye en un conjunto de datos? (Elija dos). Características. Etiquetas. Predictores. Algoritmos.

Cuando se trabaja con modelos de Computer Vision, la clave de predicción representa ¿qué tipo de clave para el recurso de predicción en el que se publica un modelo?. Autenticación. Extranjero. Autorización. Primaria.

Utilizando la función de arrastrar y soltar, haz coincidir cada tipo de carga de trabajo de IA con su descripción. Detección de anomalías. Computer vision. Procesamiento del lenguaje natural.

¿Qué modelo de aprendizaje automático es un modelo de aprendizaje automático no supervisado?. Agrupasión. Impulsado por anomalías. Classificasión. Regresión.

¿Qué tipo de carga de trabajo de IA presenta el uso de bots?. Impulsado por anomalías. procesamiento del lenguaje natural. IA conversacional. Computer vision.

¿Qué servicio de Azure Machine Learning permite crear un modelo de aprendizaje sin tener que escribir código?. Procesamiento de datos. Transformación de datos. Cadena de producción. Interfaz de aprendizaje automático.

En el proceso de indexación de imágenes dentro de las cargas de trabajo de Coputer vision, ¿qué se asigna a las imágenes como parte de la indexación?. Etiquetas. Metadatos. Categorías. Agrupaciones.

Evalúe cada tarea enumerada y seleccione Sí si la tarea es una capacidad del servicio Computer Vision y No si la tarea no es una capacidad del servicio Computer Vision. Detección de rostros. Detección de puntos de referencia. Traducción de texto dentro de una imagen.

Para cada declaración relacionada con las características de la detección de objetos, seleccione Sí si la declaración es verdadera y No si la declaración es falsa. Añade cuadros delimitadores alrededor de partes de una imagen. Calcula las coordenadas de la parte superior, izquierda, ancho y alto de una imagen. Clasifica los píxeles de la imagen según los objetos identificados dentro de una imagen.

Para cada declaración relacionada con las capacidades del servicio Face, seleccione Sí si la declaración es verdadera y No si la declaración es falsa. La detección de rostros devuelve un cuadro delimitador alrededor de un rostro. La detección facial ayuda a determinar el sexo de una persona. El análisis facial ayuda a determinar la edad de una persona.

Utilizando la función de arrastrar y soltar, haga coincidir cada característica de detección facial con su descripción. Detección de rostros. Análisis facial. Reconocimiento facial.

Utilizando la función de arrastrar y soltar, organice los pasos del proceso de extracción de conocimientos en el orden adecuado. Ingestar. Enriquecer. Explorar.

Para cada afirmación relativa a las características de la clasificación de imágenes, seleccione Sí si la afirmación es verdadera y No si es falsa. Las matrices de valores de píxeles se utilizan para entrenar un modelo. Las técnicas utilizadas para entrenar los modelos de clasificación de imágenes se encuentran en el servicio cognitivo Custom Vision. La clasificación de imágenes utiliza cuadros delimitadores para identificar objetos.

¿Qué dos tipos de recursos están disponibles en el servicio Custom Vision para la clasificación de imágenes? (Elija dos). Etiquetado. Entrenamiento. Presentando. Predicción.

Para cada declaración relacionada con las API de lectura de texto, seleccione Sí si la declaración es verdadera y No si la declaración es falsa. La API de OCR se utiliza mejor para grandes cantidades de texto dentro de una imagen. La API de lectura funciona de forma asíncrona cuando se leen documentos. Los resultados de una API de OCR se devuelven en regiones, líneas y palabras.

Evalúe cada una de las afirmaciones relativas al servicio de reconocimiento de formularios. Seleccione Sí si la afirmación es verdadera y No si es falsa. Existe un modelo de recibo preconstruido. Los modelos personalizados sólo extraen pares de datos clave/valor. Para obtener los mejores resultados, el archivo debe tener un tamaño inferior a 20 MB.

Evalúe cada una de las afirmaciones relativas a las características de detección del lenguaje. Seleccione "Sí" si la afirmación es verdadera y "No" si es falsa. Se puede determinar el código de idioma ISO 6391. La puntuación máxima para la confianza en la detección del idioma es 1. Una frase con dos o más idiomas tendrá ambos idiomas identificados.

¿Qué carga de trabajo del procesamiento del lenguaje natural determina si una frase u oración constituye un comentario positivo o negativo?. Análisis de sentimientos. Modelado del lenguaje. Reconocimiento de entidades. Extracción de frases clave.

Para cada declaración relacionada con la extracción de frases clave, seleccione Sí si la declaración es verdadera y No si la declaración es falsa. La extracción de frases clave identifica los puntos principales dentro de un documento. La extracción de frases clave identifica elementos por tipo. La extracción de frases clave determina el tono positivo o negativo del texto.

¿Qué carga de trabajo de procesamiento del lenguaje natural toma un texto no estructurado, organiza las palabras o frases clave por tipo y puede proporcionar información mediante enlaces web a estas palabras o frases?. Detección de idiomas. Extracción de frases clave. Análisis del sentimiento. Reconocimiento de entidades.

Evalúe cada afirmación relativa al reconocimiento y la síntesis del habla. Seleccione "Sí" si la afirmación es verdadera y "No" si es falsa. La síntesis de voz interpreta la entrada de texto y voz. En el reconocimiento de voz, el modelo acústico convierte las señales de audio en representaciones de sonido específicas. La síntesis de voz puede convertir el texto en voz.

Para cada afirmación relativa al servicio de Texto Traductor, seleccione Sí si la afirmación es verdadera y No si la afirmación es falsa. Los códigos ISO 639-1 se utilizan para especificar las lenguas originales y traducidas. El texto en un idioma sólo puede traducirse a otro idioma por modelo. El texto localizado se puede configurar para que se ignore.

Para cada declaración relacionada con el uso de la traducción literal en el procesamiento del lenguaje natural, seleccione Sí si la declaración es verdadera y No si la declaración es falsa. La traducción literal intenta encontrar una palabra correspondiente en un idioma de destino para cada palabra que se traduce. La traducción literal es más precisa que la traducción semántica. La traducción literal toma en consideración el uso formal o informal de una palabra.

[0-9]{3}-[0-9]{2}-[0-9]{4} es un ejemplo de ¿qué tipo de entidad LUIS?. Lista. Aprendizaje automático. RegEx. Pattern.any.

¿Cuáles de las siguientes son APIs que se encuentran en el Servicio de Voz? (Elija tres). Filtro de obscenidades. Speech Translation (Traducción de voz). Speech-to-text (Voz a texto). Traducción selectiva. Text-to-speech (Texto a voz).

En la IA conversacional, una vez que se crea una base de conocimientos, ¿qué se utiliza para entregarla a los usuarios?. QnA Maker (Creador de QnA). Bot. Servicio de IA conversacional. Servicios cognitivos.

Para cada declaración relacionada con QnA Maker y su función en la creación de una base de conocimientos, seleccione Sí si la declaración es verdadera y No si la declaración es falsa. Los pares de preguntas y respuestas pueden proceder de un documento de preguntas frecuentes existente. Los pares de preguntas y respuestas no se pueden introducir manualmente. Los pares de preguntas y respuestas no se pueden introducir manualmente.

¿Qué herramienta de IA ayuda a crear un bot para una base de conocimientos mediante el uso de funciones automáticas?. Servicios cognitivos. Microsoft Bot Framework SDK. Azure Bot Service. QnA Maker.