AI 900

Su organización tiene un documento de preguntas frecuentes (FAQ) existente. Debe crear una base de conocimientos de QnA Maker que incluya las preguntas y respuestas de las preguntas frecuentes con el menor esfuerzo posible. ¿Qué deberías hacer?. Importe una fuente de datos de charla predefinida. Importe el documento de preguntas frecuentes existente a una nueva base de conocimientos. Cree una base de conocimientos vacía y luego copie y pegue manualmente las entradas de las preguntas frecuentes en ella.

Desea utilizar el servicio de Analytics para determinar los puntos clave de conversación en un documento de texto. ¿Qué función del servicio debería utilizar?. Análisis de los sentimientos. Extracción de frases clave. Detección de entidades.

Utilice el diseñador de Azure Machine Learning para crear una canalización de entrenamiento y una canalización de inferencia para un modelo de regresión. Ahora planea implementar la canalización de inferencia como un servicio en tiempo real. ¿Qué tipo de destino de cómputo debería crear para alojar el servicio?. Clúster de inferencia. Clúster de cálculo. Instancia de cálculo.

Desea utilizar Face para identificar a las personas nombradas. ¿Qué debes hacer?. Ninguno de esos. Utilice el servicio Computer Vision: el rostro no puede realizar el reconocimiento facial. Use Face para crear un grupo que contenga varias imágenes de cada individuo nombrado y entrene un modelo basado en el grupo. Utilice Face para recuperar la edad y el estado emocional de cada persona.

Planea usar Rostro para detectar rostros humanos en una imagen. ¿Cómo indica el servicio la ubicación de los rostros que detecta?. Dos pares de coordenadas para cada rostro, que indican la ubicación de los ojos. Un par de coordenadas para cada cara, indicando el centro de la cara. Un conjunto de coordenadas para cada cara, que define un cuadro delimitador rectangular alrededor de la cara.

Necesita entregar un bot de soporte para uso interno en su organización. Algunos usuarios desean poder enviar preguntas al bot mediante Microsoft Teams, otros desean usar una interfaz de chat web en un sitio web interno. ¿Qué deberías hacer?. Crea una base de conocimientos. Luego, cree un bot para la base de conocimientos y conecte los canales de Web Chat y Microsoft Teams para su bot. Crea una base de conocimientos. Luego, cree dos bots que utilicen la misma base de conocimientos: un bot conectado al canal de Microsoft Teams y el otro al canal de chat web. Cree dos bases de conocimientos con los mismos pares de preguntas y respuestas. Luego, cree un bot para cada base de conocimientos; uno conectado al canal de Microsoft Teams y el otro al canal de chat web.

Ha publicado su aplicación Language Understanding. ¿Qué información necesita un desarrollador de aplicaciones cliente para obtener predicciones a partir de ella?. El punto final y la clave del recurso de predicción de la aplicación. El punto final y la clave del recurso de creación de la aplicación. Las credenciales de Azure del usuario que publicó la aplicación Language Understanding.

Planea usar un conjunto de imágenes para entrenar un modelo de detección de objetos y luego publicar el modelo como un servicio predictivo. Desea usar un único recurso de Azure con la misma clave y punto de conexión para el entrenamiento y la predicción. ¿Qué tipo de recurso de Azure debería crear?. Visión por computador. Servicios cognitivos. Visión personalizada.

¿Cuál de los siguientes resultados suele devolver un modelo de detección de objetos para una imagen?. Coordenadas del cuadro delimitador que indican la región de la imagen donde se encuentran todos los objetos que contiene. Una etiqueta de clase y una puntuación de probabilidad para la imagen. Una etiqueta de clase, probabilidad y cuadro delimitador para cada objeto de la imagen.

Desea crear un modelo para predecir las ventas de helados en función de datos históricos que incluyan los totales de ventas de helados diarios y las mediciones meteorológicas. ¿Qué servicio de Azure debería utilizar?. Análisis de texto. Creador de QnA. Aprendizaje automático de Azure. Ninguno de esos.

Está creando una canalización de entrenamiento para un modelo de regresión, utilizando un conjunto de datos que tiene varias columnas numéricas en las que los valores están en diferentes escalas. Desea transformar las columnas numéricas para que los valores estén todos en una escala similar basada en los valores mínimo y máximo de cada columna. ¿Qué módulo debería agregar a la canalización?. Limpiar datos faltantes. Seleccionar columnas en un conjunto de datos. Normalizar datos.

¿Quiere utilizar el servicio Computer Vision para analizar imágenes de ubicaciones e identificar edificios conocidos? ¿Qué deberías hacer?. Recupere las categorías de la imagen, especificando el dominio de celebridades. Recupera los objetos de la imagen. Recuperar las categorías de la imagen, especificando el dominio de los puntos de referencia.

Está desarrollando una aplicación que debe tomar la entrada en inglés de un micrófono y generar una transcripción de texto en hindi en tiempo real. ¿Qué servicio debería utilizar?. Discurso. Traductor de texto. Análisis de texto.

Use el diseñador de Azure Machine Learning para crear una canalización de capacitación para un modelo de clasificación. ¿Qué debe hacer antes de implementar el modelo como servicio?. Cree una canalización de inferencia a partir de la canalización de formación. Clonar la canalización de entrenamiento con un nombre diferente. Agregar un módulo Evaluar modelo a la canalización de capacitación.

Debe aprovisionar un recurso de Azure que se usará para crear una nueva aplicación Language Understanding. ¿Qué tipo de recurso deberías crear?. Comprensión del lenguaje. Servicios cognitivos. Análisis de texto.

Planea utilizar el modelo de recibo prediseñado de Form Recognizer. ¿Qué tipo de recurso de Azure debería crear?. Único recurso de Reconocedor de formularios. Recurso de visión por computadora. Recurso de Form Recognizer o Cognitive Services.

Está usando una canalización de diseñador de Azure Machine Learning para entrenar y probar un modelo de agrupación en clústeres de K-Means. Desea que su modelo asigne elementos a uno de los tres grupos. ¿Qué propiedad de configuración del módulo de agrupación en clústeres de K-Means debería establecer para lograr esto?. Establecer iteraciones en 3. Establezca la semilla de número aleatorio en 3. Establezca el número de centroides en 3.

Planea utilizar el servicio Computer Vision para leer texto en un documento PDF grande. ¿Qué API deberías usar?. La API de OCR. La API Recognize Text. La API de lectura.

Desea extraer texto de imágenes y luego utilizar el servicio Text Analytics para analizar el texto. Desea que los desarrolladores solo requieran una clave y un punto final para acceder a todos sus servicios. ¿Qué tipo de recurso debería crear en su suscripción de Azure?. Visión por computador. Servicios cognitivos. Análisis de texto.

Quieres entrenar un modelo que clasifique imágenes de perros y gatos basándose en una colección de tus propias fotografías digitales. ¿Qué servicio de Azure debería utilizar?. Servicio de bot de Azure. Visión personalizada. Visión por computador.

Planea utilizar el servicio Custom Vision para entrenar un modelo de clasificación de imágenes. Desea crear un recurso que solo se pueda usar para el entrenamiento de modelos y no para la predicción. ¿Qué tipo de recurso debería crear en su suscripción de Azure?. Visión personalizada. Servicios cognitivos. Visión por computador.

¿Necesita utilizar el servicio Translator Text para traducir mensajes de correo electrónico del español al inglés y al francés? ¿Cuál es la forma más eficaz de lograr este objetivo?. Realice dos llamadas al servicio; uno con un idioma “desde” de “es” y un idioma “a” de “en”, y otro con un idioma “de” de “es” y un idioma de “a” de “fr”. Realice una única llamada al servicio; especificando un idioma “desde” de “es”, un idioma “a” de “en” y otro idioma de “a” de “fr”. Realice una única llamada al servicio; especificando un idioma “desde” de “es”, y un idioma “a” de “en-fr”.

Quiere utilizar el servicio Computer Vision para analizar imágenes. También desea utilizar el servicio Text Analytics para analizar texto. Desea que los desarrolladores solo requieran una clave y un punto final para acceder a todos sus servicios. ¿Qué tipo de recurso debería crear en su suscripción de Azure?. Visión por computador. Visión personalizada. Servicios cognitivos.

Desea utilizar el servicio de voz para crear una aplicación que lea en voz alta los asuntos de los mensajes de correo electrónico entrantes. ¿Qué API deberías usar?. Texto a voz. Traducir. Dictado a texto.

Ha publicado un modelo de clasificación de imágenes. ¿Qué información debe proporcionar a los desarrolladores que quieran utilizarla?. Solo el ID del proyecto. El ID del proyecto, el número de iteración y la clave y el punto final del recurso de capacitación. El ID del proyecto, el nombre del modelo y la clave y el punto final del recurso de predicción.

Desea utilizar el servicio Computer Vision para identificar la ubicación de elementos individuales en una imagen. ¿Cuál de las siguientes funciones debería recuperar?. Categorías. Etiquetas. Objetos.

Use el diseñador de Azure Machine Learning para crear una canalización de capacitación para un modelo de agrupación en clústeres. Ahora desea utilizar el modelo en una canalización de inferencia. ¿Qué módulo debería utilizar para inferir predicciones de conglomerados a partir del modelo?. Entrenar modelo de agrupación en clústeres. Asignar datos a clústeres. Modelo de puntuación.

Planea crear una aplicación que utilice el servicio de voz para transcribir grabaciones de audio de llamadas telefónicas en texto y luego envía el texto transcrito al servicio de análisis de texto para extraer frases clave. Desea administrar el acceso y la facturación de los servicios de la aplicación en un solo recurso de Azure. ¿Qué tipo de recurso de Azure debería crear?. Servicios cognitivos. Discurso. Análisis de texto.

Su organización tiene un documento de preguntas más frecuentes (P+F). Es necesario crear un knowledge base que incluya las preguntas y respuestas de las Preguntas frecuentes con el menor esfuerzo posible. ¿Qué tiene que hacer?. Crear una base de conocimiento vacía y, a continuación, copiar y pegar manualmente las entradas de las preguntas más frecuentes. Importar el documento de preguntas más frecuentes existente a una nueva base de conocimiento. Importar un origen de datos de una charla predefinida.

Debe proporcionar un bot de soporte técnico para el uso interno en su organización. Algunos usuarios quieren poder enviar preguntas al bot con Microsoft Teams, mientras que otros quieren usar una interfaz de chat web en un sitio web interno. ¿Qué tiene que hacer?. Crear una base de conocimiento. A continuación, crear un bot para la base de conocimiento y conectar los canales de chat web y Microsoft Teams para su bot. Crear una base de conocimiento. A continuación, crear dos bots que usen la misma base de conocimiento: un bot conectado al canal de Microsoft Teams y el otro al canal de chat web. Crear dos bases de conocimiento con los mismos pares de preguntas y respuestas. A continuación, crear un bot para cada base de conocimiento: uno conectado al canal de Microsoft Teams y el otro al canal de chat web.

¿Qué se entiende por datos estacionales?. Datos basados en la hora o el año en que se registraron. La distancia de separación de los valores de forma predeterminada en cada período registrado. Datos que se producen a intervalos regulares.

¿Cuál es la finalidad de especificar la granularidad en el objeto de datos JSON?. Se utiliza para indicar el patrón de registro de los datos. Indica al servicio cómo fragmentar los resultados que se devuelven para revisar, con independencia del patrón de datos de serie temporal. Se utiliza para indicar el intervalo de valores aceptables.

¿Cómo evalúa el servicio Anomaly Detector los datos en tiempo real para las anomalías?. Recopila todos los valores de una ventana de tiempo y los evalúa todos a la vez. Evalúa el valor actual con respecto al valor anterior. Utiliza la interpolación basada en el valor actual y en el valor anterior para predecir cuál debe ser el valor esperado.

¿Qué formato de datos acepta Azure Cognitive Search al insertar datos en el índice?. CSV. SQL. JSON.

¿Cuál es una explicación correcta de un indizador y un índice?. El indizador de Azure exporta los documentos entrantes a JSON e inserta el JSON en un índice para el almacenamiento. El indizador de Azure se puede usar en lugar de un índice si los archivos ya están en el formato adecuado. El indizador de Azure solo se usa para implementar un almacén de conocimiento que se almacena en el índice.

Si configura un índice de búsqueda sin incluir ningún conjunto de aptitudes de inteligencia artificial, ¿cuál podría seguir consultando?. Opinión. Contenido de texto. Descripciones de imágenes.

Quiere usar el servicio Computer Vision para analizar imágenes. También desea usar el servicio Text Analytics para analizar el texto. El objetivo es que los desarrolladores necesiten únicamente una clave y un punto de conexión para acceder a todos los servicios. ¿Qué tipo de recurso debemos crear en la suscripción de Azure?. Computer Vision. Cognitive Services. Custom Vision.

Quiere usar el servicio Computer Vision para identificar la ubicación de los elementos individuales de una imagen. ¿Cuál de las siguientes características debe recuperar?. Objetos. Etiquetas. Categorías.

Desea usar el servicio Computer Vision para analizar imágenes de ubicaciones e identificar edificios conocidos. ¿Qué debemos hacer?. Recuperar los objetos de la imagen. Recuperar las categorías de la imagen, especificando el dominio de personajes. Recuperar las categorías de la imagen, especificando el dominio de puntos de referencia.

Tiene pensado usar el servicio Custom Vision para entrenar un modelo solución de clasificación de imágenes. Quiere crear un recurso que solo se puede usar para el entrenamiento del modelo y no para la predicción. ¿Qué tipo de recurso debe crear en la suscripción de Azure?. Custom Vision. Cognitive Services. Computer Vision.

Entrena un modelo de clasificación de imágenes que logra métricas de evaluación que no son totalmente satisfactorias. ¿Cómo lo podría mejora?. Mediante la reducción del tamaño de las imágenes que se usan para entrenar el modelo. Mediante la adición de una etiqueta nueva para las clases "desconocidas". Mediante la adición de más imágenes al conjunto de entrenamiento.

Ha publicado un modelo de clasificación de imágenes. ¿Qué información debe proporcionar a los desarrolladores que quieran usarla?. Solo el id. del proyecto. El id. del proyecto, el nombre del modelo y la clave y el punto de conexión para el recurso de predicción. El id. del proyecto, el número de iteración y la clave y el punto de conexión para el recurso de entrenamiento.

¿Cuál de los siguientes resultados hace que un modelo de detección de objetos normalmente devuelva una imagen?. Una etiqueta de clase y una puntuación de probabilidad de la imagen. Coordenadas del cuadro de límite que indican el área de la imagen donde se encuentran todos los objetos que contiene. Una etiqueta de clase, una probabilidad y un cuadro de límite para cada objeto de la imagen.

Tiene previsto usar un conjunto de imágenes para entrenar un modelo de detección de objetos y, a después, publicarlo como un servicio predictivo. Quiere usar un único recurso de Azure con la misma clave y el mismo punto de conexión para el entrenamiento y la predicción. ¿Qué tipo de recurso de Azure debe crear?. Cognitive Services. Custom Vision. Computer Vision.

Tiene previsto usar la cara para detectar caras humanas en una imagen. ¿Cómo indica el servicio la ubicación de las caras que detecta?. Un par de coordenadas para cada una de las caras, que indican el centro de la cara. Dos pares de coordenadas para cada una de las caras, que indican la ubicación de los ojos. Un conjunto de coordenadas para cada una de las caras, que define un cuadro de límite rectangular alrededor de la superficie.

¿Cuál de los siguientes aspectos puede afectar a la detección facial?. Expresión de sonrisa. Ángulos extremos. Velocidad rápida del obturador.

Quiere usar Face para identificar usuarios con nombre. ¿Qué debe hacer?. Usar el servicio Computer Vision; Face no puede realizar el reconocimiento facial. Usar Face para recuperar la edad y el estado emocional de cada persona. Usar Face para crear un grupo que contenga varias imágenes de cada individuo con nombre y entrenar un modelo basado en el grupo.

Queremos extraer texto de imágenes y, luego, usar el servicio Text Analytics para analizar el texto. Nuestro objetivo es que los desarrolladores necesiten únicamente una clave y un punto de conexión para acceder a todos los servicios. ¿Qué tipo de recurso debemos crear en la suscripción de Azure?. Computer Vision. Cognitive Services. Text Analytics.

Tenemos previsto usar el servicio Computer Vision para leer texto en un documento PDF de gran tamaño. ¿Qué API debemos usar?. Read API. API de OCR. Recognize Text API.

Tiene previsto usar el modelo de recibo pregenerado de Form Recognizer. ¿Qué tipo de recurso de Azure debe crear?. Recurso de Computer Vision. Recurso de Form Recognizer o Cognitive Services. Solo el recurso de Form Recognizer.

Utiliza el servicio Form Recognizer para analizar recibos que ha escaneado en imágenes en formato JPG. ¿Cuál es el tamaño de archivo máximo del archivo JPG que puede enviar al modelo de recibo pregenerado?. 2 MB. 50 MB. 200 MB.

Quiere crear un modelo para predecir las ventas de helados en función de datos históricos que incluyen ventas totales diarias y medidas meteorológicas. ¿Qué servicio de Azure debe usar?. Azure Machine Learning. QnA Maker. Text Analytics.

Quiere entrenar un modelo que clasifique imágenes de perros y gatos en función de una colección de fotografías digitales propias. ¿Qué servicio de Azure debe usar?. Azure Bot Service. Custom Vision. Computer Vision.

Va a diseñar una aplicación de inteligencia artificial que usa la visión artificial para detectar grietas en los parabrisas de los automóviles y avisa a los conductores cuando se debe reparar o reemplazar un parabrisas. Cuando se prueba en buenas condiciones de iluminación, la aplicación detecta correctamente el 99 % de los cristales dañados. ¿Cuál de las afirmaciones siguientes debe incluir en la interfaz de usuario de la aplicación?. Cuando se usa bajo buenas condiciones de iluminación, esta aplicación se puede utilizar para identificar posibles grietas y defectos potencialmente peligrosos en los parabrisas. Si sospecha que el parabrisas está dañado, incluso si la aplicación no detecta ningún defecto, lo debe inspeccionar un profesional. Esta aplicación detecta daños en el parabrisas. Si la aplicación detecta un defecto, el parabrisas se debe reemplazar o reparar. Si no se detecta ningún defecto, todo perfecto. Esta aplicación detecta daños en cualquier superficie de cristal, pero debe aceptar la responsabilidad de usarla solamente bajo las condiciones de iluminación adecuadas.

Un concesionario quiere usar datos históricos de ventas de coches para entrenar un modelo de Machine Learning. El modelo debe predecir el precio de un automóvil de segunda mano en función de la marca, el modelo, el tamaño del motor y el kilometraje. ¿Qué tipo de modelo de Machine Learning debería crear el concesionario con el aprendizaje automático automatizado?. Clasificación. Regresión. Previsión de series temporales.

Un banco quiere usar registros históricos de devolución de préstamos para clasificar las solicitudes de préstamos como de bajo riesgo o de alto riesgo, en función de características como la cantidad o el plazo del préstamo y los ingresos del prestatario. ¿Qué tipo de modelo de Machine Learning debería crear el banco con el aprendizaje automático automatizado?. Clasificación. Regresión. Previsión de series temporales.

Quiere usar el aprendizaje automático automatizado para entrenar un modelo de regresión con la mejor puntuación R2 posible. ¿Cómo debería configurar el experimento de aprendizaje automático automatizado?. Establecer la métrica principal en la puntuación R2. Bloquear todos los algoritmos distintos de GradientBoosting. Habilitar la caracterización.

Está creando una canalización de entrenamiento para un modelo de regresión. Se usa un conjunto de datos que tiene varias columnas numéricas en las que los valores se encuentran en diferentes escalas. Quiere transformar las columnas numéricas para que todos los valores estén en una escala similar. También quiere que la transformación se escale en relación con los valores mínimo y máximo de cada columna. ¿Qué módulo debe agregar a la canalización?. Seleccionar columnas de un conjunto de datos. Normalización de datos. Limpiar datos que faltan.

¿Por qué divide los datos en conjuntos de entrenamiento y validación?. Los datos se dividen en dos conjuntos para crear dos modelos, uno con el conjunto de entrenamiento y otro con el conjunto de validación. Dividir los datos en dos conjuntos permite comparar las etiquetas que predice el modelo con las etiquetas conocidas reales del conjunto de datos original. Divida solo los datos cuando use el diseñador de Azure Machine Learning, no en otros escenarios de aprendizaje automático.

Va a usar el diseñador de Azure Machine Learning para crear una canalización de entrenamiento para un modelo de clasificación binaria. Ha agregado un conjunto de datos que contiene características y etiquetas, un módulo Bosque de decisión de dos clases y un módulo Entrenar modelo. Tiene previsto usar los módulos Puntuar modelo y Evaluar modelo para probar el modelo entrenado con un subconjunto del conjunto de datos que no ha utilizado para el entrenamiento. ¿Qué clase de módulo adicional debe agregar?. Combinación de datos. Split Data (Dividir datos). Seleccionar columnas de conjunto de datos.

Usa el diseñador de Azure Machine Learning para crear una canalización de entrenamiento para un modelo de clasificación. ¿Qué debe hacer antes de implementar el modelo como un servicio?. Crear una canalización de inferencia a partir de la canalización de entrenamiento. Agregar un módulo Evaluar modelo a la canalización de entrenamiento. Clonar la canalización de entrenamiento con otro nombre.

Usa el diseñador de Azure Machine Learning para crear una canalización de entrenamiento para un modelo de agrupación en clústeres. Ahora quiere usar el modelo en una canalización de inferencia. ¿Qué módulo debe usar para deducir las predicciones de clúster del modelo?. Puntuación de modelo. Asignación de datos a clústeres. Entrenamiento del modelo de agrupación en clústeres.

Quiere usar el servicio Language para determinar los puntos de conversación clave en un documento de texto. ¿Qué característica del servicio debería usar?. Análisis de opinión. Extracción de frases clave. Detección de entidad.

¿Cuándo es posible que vea una puntuación con un valor NaN en Detección de idioma?. Cuando la puntuación que calcula el servicio esté fuera del intervalo de 0 a 1. Cuando el idioma predominante del texto se mezcla con otros idiomas. Cuando el idioma es ambiguo.

Tiene previsto compilar una aplicación que usa el servicio de Voz para transcribir grabaciones de audio de llamadas telefónicas y, luego, envía el texto transcrito al servicio Text Analytics para extraer las frases clave. Le interesa administrar el acceso y la facturación de los servicios de aplicación en un único recurso de Azure. ¿Qué tipo de recurso de Azure debe crear?. Voz. Text Analytics. Cognitive Services.

Quiere usar el servicio de Voz para compilar una aplicación que lea en voz alta los asuntos de mensajes de correo electrónico entrantes. ¿Qué API debe usar?. Speech-to-Text. Text-to-Speech. Translate.

Está desarrollando una aplicación que debe tomar entradas en inglés de un micrófono y generar una transcripción basada en texto en tiempo real en hindi. ¿Qué servicio debe usar?. Translator Text. Speech. Text Analytics.

Debe usar el servicio Translator Text para traducir mensajes de correo electrónico de español a inglés y francés. ¿Cuál es la forma más eficaz de lograrlo?. Realizar una llamada única al servicio, especificando un idioma de "partida" de "es", un idioma de "destino" de "en" y otro idioma de "destino" de "fr". Realizar una llamada única al servicio, especificando un idioma de "partida" de "es" y un idioma de "destino" de "en-fr". Realizar dos llamadas al servicio: una con un idioma de "partida" de "es" y un idioma de "destino" de "en", y otro con un idioma de "partida" de "es" y un idioma de "destino" de "fr".

Debe aprovisionar un recurso de Azure que se usará para crear una aplicación de Language Understanding. ¿Qué tipo de recurso debe crear?. Servicio Custom Language. Servicio de lenguaje. Cognitive Services.

Ha publicado la aplicación de reconocimiento del lenguaje conversacional. ¿Qué información necesita un desarrollador de aplicaciones cliente para obtener predicciones de ella?. El punto de conexión y la clave del recurso de predicción de la aplicación. El punto de conexión y la clave del recurso de creación de la aplicación. Las credenciales de Azure del usuario que publicó la aplicación de Language Understanding.

¿Qué técnica de inteligencia artificial (IA) sirve como base para las soluciones modernas de clasificación de imágenes?. segmentación semántica. aprendizaje profundo. regresión lineal. regresión lineal múltiple.

¿Qué le permite identificar diferentes tipos de fracturas óseas en imágenes de rayos X?. inteligencia artificial conversacional (IA). detección facial. clasificación de imágenes. detección de objetos.

¿Qué servicio de Azure Vision in Foundry Tools proporciona coordenadas delimitadoras como parte de sus resultados?. análisis de imágenes. clasificación de imágenes. detección de objetos. segmentación semántica.

Seleccione la respuesta que complete correctamente la oración. [Opción de respuesta] se puede usar para identificar restricciones y estilos para las respuestas de un modelo de IA generativa. Puesta en tierra de datos. Incrustaciones. Mensajes del sistema. Tokenización.

Seleccione la respuesta que complete correctamente la oración. [Answer choice] puede buscar, clasificar y comparar orígenes de texto para la similitud. Puesta en tierra de datos. Incrustaciones. Aprendizaje automático. Mensajes del sistema.

¿Cuál es el propósito de un conjunto de datos de validación que se usa como parte del desarrollo de un modelo de aprendizaje automático?. limpieza de datos que faltan. evaluación del modelo entrenado. ingeniería de características. resumen de los datos.

¿Qué característica del servicio Azure Language in Foundry Tools incluye funcionalidad que devuelve vínculos a sitios web externos para eliminar la ambigüedad de los términos identificados en un texto?. reconocimiento de entidades. la extracción de frases clave. detección de idioma. análisis de sentimiento.

Al usar azure AI Service for Language, ¿qué debe usar para proporcionar más información en línea sobre las entidades extraídas de un texto?. vinculación de entidad. la extracción de frases clave. reconocimiento de entidades con nombre. Traducción de texto.

¿Qué principio de inteligencia artificial responsable (IA) genera conciencia sobre las limitaciones de las soluciones basadas en inteligencia artificial?. responsabilidad. privacidad y seguridad. confiabilidad y seguridad. transparencia.

Debe identificar valores numéricos que representan la probabilidad de que los seres humanos desarrollan diabetes en función de la edad y el porcentaje de grasa corporal. ¿Qué tipo de modelo de aprendizaje automático debe usar?. agrupación en clústeres jerárquicos. regresión lineal. regresión logística. regresión lineal múltiple.

Entrene un modelo de regresión mediante el aprendizaje automático automatizado (ML automatizado) en Azure Machine Learning Studio. Revise el mejor resumen del modelo. Debe publicar el modelo para que otros usuarios los usen desde Internet. ¿Qué debe hacer a continuación?. Crear un clúster de proceso. Implemente el modelo en un punto de conexión. Divida los datos en conjuntos de datos de entrenamiento y validación. Pruebe el servicio implementado.

¿Qué dos modelos de Azure Document Intelligence en Foundry Tools incluyen la identificación de campos de datos comunes como parte de sus funcionalidades de extracción de datos? Cada respuesta correcta presenta una solución completa. modelo de tarjeta de presentación. modelo de documento general. modelo de factura. modelo de diseño. leer modelo.

¿Qué dos características de Azure AI Services se pueden usar para habilitar texto a texto y conversión de voz en texto entre varios idiomas? Cada respuesta correcta presenta parte de la solución. Comprensión del lenguaje conversacional. la extracción de frases clave. detección de idioma. Azure Speech en las herramientas Foundry. el servicio Translator.

¿Qué dos escenarios de carga de trabajo de inteligencia artificial (IA) son ejemplos de procesamiento de lenguaje natural (NLP)? Cada respuesta correcta presenta una solución completa. extracción de texto manuscrito de imágenes en línea. generación de etiquetas y descripciones para imágenes. supervisión del tráfico de red para picos repentinos. realizar análisis de sentimiento en datos de redes sociales. traducción de texto entre diferentes idiomas de revisiones de productos.

¿Qué dos características de carga de trabajo de inteligencia artificial (AI) forman parte del servicio Azure Vision in Foundry Tools? Cada respuesta correcta presenta una solución completa. reconocimiento de entidades. la extracción de frases clave. la extracción de frases clave. análisis de sentimiento. análisis espacial.

¿Para qué dos escenarios es el modelo de lenguaje universal que usa la API de conversión de voz a texto optimizada? Cada respuesta correcta presenta una solución completa. acústico. conversacional. dictado. lenguaje. pronunciación.

¿Cuáles son los dos componentes de esquema principales de un modelo de aplicación de Language Understanding? Cada respuesta correcta presenta parte de la solución. entidades. vinculación de entidad. intenciones. expresiones.