Microsoft AI-900

Una empresa emplea un equipo de agentes de servicio al cliente para brindar asistencia telefónica y por correo electrónico a los clientes. La empresa desarrolla un bot de chat web para proporcionar respuestas automáticas a consultas comunes de los clientes. ¿Qué beneficio empresarial debe esperar la empresa como resultado de la creación de la solución de bot de chat web?. aumento de las ventas. una carga de trabajo reducida para los agentes de servicio al cliente. confiabilidad mejorada del producto.

Para un progreso de aprendizaje automático, ¿cómo debe dividir los datos para el entrenamiento y la evaluación?. Usar características para entrenamiento y etiquetas para evaluación. Dividir aleatoriamente los datos en filas para entrenamiento y filas para evaluación. Use etiquetas para capacitación y funciones para evaluación. Dividir aleatoriamente los datos en columnas para entrenamiento y columnas para evaluación.

Está desarrollando un modelo para predecir eventos mediante la clasificación. Tiene una matriz de confusión para el modelo puntuado en los datos de prueba, como se muestra en el siguiente anexo. Utilice los menús desplegables para seleccionar la opción de respuesta que completa cada afirmación según la información presentada en el gráfico. hay [11] positivos pronosticados correctamente. hay [13,951] falsos negativos. hay [1,033] falsos negativos. hay [5] positivos pronosticados correctamente.

Un modelo de aprendizaje automático se crea mediante la interfaz de usuario (IU) de aprendizaje automático automatizado. Debe asegurarse de que el modelo cumpla con el principio de transparencia de Microsoft para una IA responsable. ¿Qué debes hacer?. Establezca el tipo de validación en Auto. Habilite Explicar el mejor modelo. Establezca la métrica principal en precisión. Establezca el máximo de iteraciones simultáneas en 0.

Está diseñando un sistema de IA que empodera a todos, incluidas las personas con discapacidades auditivas, visuales y de otro tipo. ¿Este es un ejemplo de qué principio rector de Microsoft para la IA responsable?. justicia. inclusión. fiabilidad y seguridad. responsabilidad.

Para cada una de las siguientes declaraciones, seleccione Sí si la declaración es verdadera. De lo contrario, seleccione No. Pronóstico de precios de vivienda basado en datos históricos, como un ejemplo de detección de anomalías. La identificación de conexiones sospechosas mediante la búsqueda de desviaciones de los patrones habituales es un ejemplo de detección de anomalías. Predecir si un paciente desarrollará diabetes en función del historial médico del paciente es un ejemplo de detección de anomalías.

para completar la oración, seleccione la opción adecuada en el área de respuesta. El manejo de valores inusuales o faltantes proporcionados a un sistema de IA es una consideración para el principio de Microsoft (inclusividad) para una IA responsable. El manejo de valores inusuales o faltantes proporcionados a un sistema de IA es una consideración para el principio de Microsoft (privacidad y seguridad) para una IA responsable. El manejo de valores inusuales o faltantes proporcionados a un sistema de IA es una consideración para el principio de Microsoft (confiabilidad y seguridad) para una IA responsable. El manejo de valores inusuales o faltantes proporcionados a un sistema de IA es una consideración para el principio de Microsoft (transparencia) para una IA responsable.

coincidir los tipos de cargas de trabajo de IA con los escenarios apropiados. Para responder, arrastre el tipo de carga de trabajo adecuado desde la columna de la izquierda hasta su escenario de la derecha. Cada tipo de carga de trabajo puede usarse una vez, más de una vez o no usarse en absoluto. Un chat automatizado para responder preguntas sobre reembolsos y cambios. Determinar si una foto contiene una persona. Determinar si una reseña es positiva o negativa.

coincidir los principios rectores de Microsoft para una IA responsable con las descripciones adecuadas. Para responder, arrastre el principio apropiado de la columna de la izquierda a su descripción a la derecha. Cada principio puede usarse una vez, más de una vez o nunca. confiabilidad y seguridad. responsabilidad. privacidad y seguridad.

Estás construyendo un sistema de IA. ¿Qué tarea debe incluir para garantizar que el servicio cumpla con el principio de transparencia de Microsoft para una IA responsable?. Asegúrese de que todas las imágenes tengan un texto asociado que pueda leer un lector de pantalla. Habilite el ajuste de escala automático para garantizar que un servicio se escale en función de la demanda. Proporcionar documentación para ayudar a los desarrolladores a depurar el código. Asegurarse de que un conjunto de datos de entrenamiento sea representativo de la población.

para completar la oración, seleccione la opción adecuada en el área de respuesta. Al desarrollar un sistema de IA para automóviles autónomos, se debe aplicar Microsft (responsabilidad) para la IA responsable para garantizar un sistema de operación consistente durante circunstancias inesperadas. Al desarrollar un sistema de IA para automóviles autónomos, se debe aplicar Microsft (confiabilidad y seguridad) para la IA responsable para garantizar un sistema de operación consistente durante circunstancias inesperadas. Al desarrollar un sistema de IA para automóviles autónomos, se debe aplicar Microsft (inclusividad ) para la IA responsable para garantizar un sistema de operación consistente durante circunstancias inesperadas. Al desarrollar un sistema de IA para automóviles autónomos, se debe aplicar Microsft (justicia) para la IA responsable para garantizar un sistema de operación consistente durante circunstancias inesperadas.

coincidir los tipos de cargas de trabajo de IA con los escenarios apropiados. Para responder, arrastre el tipo de carga de trabajo adecuado desde la columna de la izquierda hasta su escenario de la derecha. Cada tipo de carga de trabajo puede usarse una vez, más de una vez o no usarse en absoluto. identificar letras escritas a mano. predecir el sentimiento de una publicación en las redes sociales. identificar un pago con tarjeta de crédito fraudulento. predecir las ventas de juguetes del próximo mes.

Su empresa está explorando el uso de tecnologías de reconocimiento de voz en sus dispositivos domésticos inteligentes. La empresa quiere identificar cualquier barrera que pueda dejar fuera de forma involuntaria a grupos de usuarios específicos. ¿Este es un ejemplo de qué principio rector de Microsoft para la IA responsable?. responsabilidad. justicia. inclusión. privacidad y seguridad.

¿Cuáles son los tres principios rectores de Microsoft para una IA responsable? Cada respuesta correcta presenta una solución completa. conocimientos. decisión. inclusión. justicia. obstinación. fiabilidad y seguridad.

para completar la oración, seleccione la opción adecuada en el área de respuesta. devolver un cuadro delimitador que indica la ubicación de un vehículo en una imagen es un ejemplo de (clasificación de imágenes). devolver un cuadro delimitador que indica la ubicación de un vehículo en una imagen es un ejemplo de (detección de objetos). devolver un cuadro delimitador que indica la ubicación de un vehículo en una imagen es un ejemplo de (reconocedor óptico de caracteres (OCR)). devolver un cuadro delimitador que indica la ubicación de un vehículo en una imagen es un ejemplo de (segmentación semántica).

para completar la oración, seleccione la opción adecuada en el área de respuesta. (ingeniería de características) se utiliza para generar características adicionales. (selección de características) se utiliza para generar características adicionales. (evaluación del modelo) se utiliza para generar características adicionales. (entrenamiento modelo) se utiliza para generar características adicionales.

Dirige un evento benéfico que consiste en publicar fotos de personas con gafas de sol en Twitter. Debe asegurarse de retuitear solo fotos que cumplan con los siguientes requisitos: ✑ Incluya una o más caras. ✑ Contener al menos una persona con gafas de sol. ¿Qué debes usar para analizar las imágenes?. la operación Verify en el servicio Face. la operación Detectar en el servicio Face. la operación Describe Image en el servicio Computer Vision. la operación de Analizar imagen en el servicio Computer Vision.

Cuando diseña un sistema de inteligencia artificial para evaluar si se deben aprobar los préstamos, los factores utilizados para tomar la decisión deben ser explicables. ¿Este es un ejemplo de qué principio rector de Microsoft para la IA responsable?. transparencia. inclusión. justicia. privacidad y seguridad.

para cada una de las siguientes declaraciones, seleccione Sí si la declaración es verdadera. De lo contrario, seleccione No. proporcionar una explicación del resultado de una solicitud de préstamo de crédito es un ejemplo del principio de transparencia de Microsoft para una IA responsable. un bot de clasificación que prioriza las reclamaciones de seguros en función de las lesiones es un ejemplo del principio de confiabilidad y seguridad de Microsoft para una IA responsable. una solución de IA que se ofrece a diferentes precios para diferentes territorios de ventas es un ejemplo del principio de inclusión de Microsoft para una IA responsable.

coincidir los principios de la IA responsable con los requisitos apropiados. Para responder, arrastre los principios apropiados de la columna de la izquierda a su requisito de la derecha. Cada principio puede usarse una vez, más de una vez o nunca. Es posible que deba arrastrar la barra dividida entre los paneles o desplazarse para ver el contenido. el sistema no debe discriminar por género, raza. los datos personales deben ser visibles solo para aprobar. los procesos automatizados de toma de decisiones deben registrarse para que los usuarios aprobados puedan identificar por qué se tomó una decisión.

planea implementar un modelo de Azure Machine Learning como un servicio que usarán las aplicaciones cliente. ¿Qué tres procesos debe realizar en secuencia antes de implementar el modelo? Para responder, mueva los procesos apropiados de la lista de procesos al área de respuesta y colóquelos en el orden correcto. preparación de datos. entrenamiento modelo. evaluación del modelo. cifrado de datos. modelo de reentrenamiento.

Está creando una aplicación basada en IA. Debe asegurarse de que la aplicación utilice los principios de la IA responsable. ¿Qué dos principios deberías seguir? Cada respuesta correcta presenta parte de la solución. Implementar una metodología ágil de desarrollo de software. Implementar un proceso de validación del modelo de IA como parte del proceso de revisión del software. Establecer un comité de gobernanza de riesgos que incluya miembros del equipo legal, miembros del equipo de gestión de riesgos y un oficial de privacidad. Evitar la divulgación del uso de algoritmos basados ​​en IA para la toma de decisiones automatizada.

para completar la oración, seleccione la opción adecuada en el área de respuesta. de acuerdo con el principio de IA responsable de Microsoft (responsabilidad), los sistemas de IA NO deben reflejar sesgos de los conjuntos de datos que se utilizan para entrenar los sistemas. de acuerdo con el principio de IA responsable de Microsoft (justicia), los sistemas de IA NO deben reflejar sesgos de los conjuntos de datos que se utilizan para entrenar los sistemas. de acuerdo con el principio de IA responsable de Microsoft (inclusividad), los sistemas de IA NO deben reflejar sesgos de los conjuntos de datos que se utilizan para entrenar los sistemas. de acuerdo con el principio de IA responsable de Microsoft (transparencia), los sistemas de IA NO deben reflejar sesgos de los conjuntos de datos que se utilizan para entrenar los sistemas.

coincidir los tipos de cargas de trabajo de IA con los escenarios apropiados. Para responder, arrastre el tipo de carga de trabajo adecuado desde la columna de la izquierda hasta su escenario de la derecha. Cada tipo de carga de trabajo puede usarse una vez, más de una vez o no usarse en absoluto. un chatbot automatizado para responder preguntas sobre reembolsos y cambios. determinar si una reseña es positiva o negativa. determinar si una foto contiene una persona.

coincidir las tareas de aprendizaje automático con los escenarios apropiados. Para responder, arrastre la tarea adecuada desde la columna de la izquierda hasta su escenario de la derecha. Cada tarea puede usarse una vez, más de una vez o ninguna. examinar los valores de una matriz de confusión. dividir una fecha en campos de mes, día y año. seleccionar temperatura y presión para entrenar un modelo meteorológico.

para completar la oración, seleccione la opción adecuada en el área de respuesta. los valores de datos que influyen en la predicción de un modelo se denominan (variables dependientes). los valores de datos que influyen en la predicción de un modelo se denominan (caracteristicas). los valores de datos que influyen en la predicción de un modelo se denominan (identificadores). los valores de datos que influyen en la predicción de un modelo se denominan (etiquetas).

Tiene el gráfico Predicho vs. Verdadero que se muestra en la siguiente exposición. ¿Qué tipo de modelo se usa para evaluar el gráfico?. clasificación. regresión. agrupamiento.

¿Qué tipo de aprendizaje automático debe usar para predecir la cantidad de tarjetas de regalo que se venderán el próximo mes?. clasificación. regresión. agrupamiento.

Tiene un conjunto de datos que contiene información sobre los viajes en taxi que ocurrieron durante un período determinado. Necesita entrenar un modelo para predecir la tarifa de un viaje en taxi. ¿Qué deberías usar como característica?. el número de viajes en taxi en el conjunto de datos. la distancia de viaje de los viajes individuales en taxi. la tarifa de los viajes individuales en taxi. la ID de viaje de viajes de taxi individuales.

Necesitas predecir el nivel del mar en metros para los próximos 10 años. ¿Qué tipo de aprendizaje automático debería utilizar?. clasificación. regresión. agrupamiento.

para cada una de las siguientes declaraciones, seleccione Sí si la declaración es verdadera. De lo contrario, seleccione No. El aprendizaje automático automatizado es el proceso de automatización de las tareas iterativas y que consumen mucho tiempo del desarrollo del modelo de aprendizaje automático. el aprendizaje automático automatizado puede inferir automáticamente los datos de entrenamiento del caso de uso proporcionado. El aprendizaje automático automatizado funciona mediante la ejecución de múltiples iteraciones de capacitación que se califican y clasifican según las métricas que especifique. El aprendizaje automático automatizado le permite especificar un conjunto de datos y comprenderá automáticamente qué etiqueta predecir.

para completar la oración, seleccione la opción adecuada en el área de respuesta. un sistema bancario que predice si se pagará un préstamo es un ejemplo del (clasificación) tipo de aprendizaje automático. un sistema bancario que predice si se pagará un préstamo es un ejemplo del (regresión) tipo de aprendizaje automático. un sistema bancario que predice si se pagará un préstamo es un ejemplo del (agrupamiento) tipo de aprendizaje automático.

para cada una de las siguientes declaraciones, seleccione Sí si la declaración es verdadera. De lo contrario, seleccione No. el etiquetado es el proceso de etiquetar datos de entrenamiento con valores conocidos. debe evaluar un modelo utilizando los mismos datos utilizados para entrenar el modelo. la precisión es siempre la métrica principal utilizada para medir el rendimiento de un modelo.

¿Qué servicio debe usar para extraer texto, pares clave/valor y datos de tablas automáticamente de documentos escaneados?. Reconocedor de formularios. Análisis de texto. Comprensión del lenguaje. Visión personalizada.

para completar la oración, seleccione la opción adecuada en el área de respuesta. La capacidad de extraer subtotales y totales de un recibo es una capacidad del servicio (visión personalizada). La capacidad de extraer subtotales y totales de un recibo es una capacidad del servicio (reconocedor de formularios). La capacidad de extraer subtotales y totales de un recibo es una capacidad del servicio (reconocedor de tinta). La capacidad de extraer subtotales y totales de un recibo es una capacidad del servicio (análisis de texto).

Usa el diseñador de Azure Machine Learning para publicar una canalización de inferencia. ¿Qué dos parámetros debe usar para acceder al servicio web? Cada respuesta correcta presenta parte de la solución. la clave de autenticación. el punto final de entrenamiento. el nombre del modelo. el punto final REST.

para completar la oración, seleccione la opción adecuada en el área de respuesta. Desde Azure Machine Learning Designer, para implementar una canalización de inferencia en tiempo real como un servicio para que otros lo supongan, debe implementar el modelo en (un servicio web local). Desde Azure Machine Learning Designer, para implementar una canalización de inferencia en tiempo real como un servicio para que otros lo supongan, debe implementar el modelo en (instancias de contenedor azul). Desde Azure Machine Learning Designer, para implementar una canalización de inferencia en tiempo real como un servicio para que otros lo supongan, debe implementar el modelo en (Servicio Azure Kubernetes (AKS)). Desde Azure Machine Learning Designer, para implementar una canalización de inferencia en tiempo real como un servicio para que otros lo supongan, debe implementar el modelo en (cómputo de aprendizaje automático azul).

para completar la oración, seleccione la opción adecuada en el área de respuesta. predecir cuántas horas extra trabajará un repartidor en función del número de pedidos recibidos es un ejemplo de (clasificación). predecir cuántas horas extra trabajará un repartidor en función del número de pedidos recibidos es un ejemplo de (agrupamiento). predecir cuántas horas extra trabajará un repartidor en función del número de pedidos recibidos es un ejemplo de (regresión).

para cada una de las siguientes declaraciones, seleccione Sí si la declaración es verdadera. De lo contrario, seleccione No. Azure Machine Learning Designer proporciona un lienzo visual de arrastrar y soltar para crear, probar e implementar modelos de aprendizaje automático. Azure Machine Learning Designer le permite guardar su progreso como un borrador de canalización. Azure Machine Learning Designer le permite incluir funciones de JavaScript personalizadas.

tiene el siguiente conjunto de datos. Planea usar el conjunto de datos para entrenar un modelo que predecirá las categorías de precios de las casas. ¿Qué son los ingresos familiares y la categoría de precio de la vivienda? Para responder, seleccione la opción adecuada en el área de respuesta. ingresos del hogar. categoría de precio de la vivienda.

para completar la oración, seleccione la opción adecuada en el área de respuesta. Azure Machine Learning Designer le permite crear modelos de aprendizaje automático mediante. agregar y conectar módulos en el lienzo visual. realizar automáticamente tareas comunes de preparación de datos. seleccionando automáticamente un algoritmo para construir el modelo más preciso. usando una experiencia de cuaderno de código primero.