AI-100日本語 無料問題集「Microsoft Designing and Implementing an Azure AI Solution (AI-100日本語版)」

ストリーミングデータを分析するAPIパイプラインを構築する必要があります。パイプラインは次を実行します。
*視覚的なテキスト認識
*音声転写
* 感情分析
* 顔検出
どのAzure Cognitive Servicesをパイプラインで使用する必要がありますか?

解説: (JPNTest メンバーにのみ表示されます)
会社には、Transact-SQLの専門家からなるデータチームがあります。
複数のソースからAzure Event Hubsにデータを取り込む予定です。
データチームがEvent HubsからAzure Storageにデータを移動およびクエリするために使用するテクノロジを推奨する必要があります。ソリューションは、データチームの既存のスキルを活用する必要があります。
目標を達成するための最良の推奨事項は何ですか?複数の回答を選択することで目標を達成できます。

解説: (JPNTest メンバーにのみ表示されます)
販売データを含むデータベースがあります。
Stream1およびStream2という名前の2つのデータストリームを使用して、販売データを処理する予定です。 Stream1は発注書データに使用されます。 Stream2は参照データに使用されます。
参照データはCSVファイルに保存されます。
データストリームごとに取り込みソリューションを推奨する必要があります。
どの2つのソリューションをお勧めしますか?それぞれの正解は完全なソリューションです。
注:それぞれの正しい選択には1ポイントの価値があります。

正解:A、B 解答を投票する
解説: (JPNTest メンバーにのみ表示されます)
Azure Machine Learning Studioでイメージ分類モデルを作成します。
モデルをコンテナー化されたWebサービスとしてデプロイする必要があります。
どの4つのアクションを順番に実行する必要がありますか?回答するには、適切なアクションをアクションのリストから回答エリアに移動し、正しい順序に並べます。
正解:

Explanation

The following diagram illustrates the complete deployment workflow:

The deployment workflow includes the following steps:
* Register the model in a registry hosted in your Azure Machine Learning Service workspace
* Register an image that pairs a model with a scoring script and dependencies in a portable container
* Deploy the image as a web service in the cloud or to edge devices
* Monitor and collect data
* Update a deployment to use a new image.
References:
https://docs.microsoft.com/bs-latn-ba/azure/machine-learning/service/concept-model-management-and-deploym
会社は、Azure Kubernetes Services(AKS)のマイクロサービスアーキテクチャに統合するカスタムモデルを構築しています。
モデルはPythonを使用して構築され、AKSに公開されます。
モデルを更新し、モデルのAzure Application Insightsを有効にする必要があります。
何を使うべきですか?

解説: (JPNTest メンバーにのみ表示されます)
会社のヘルプデスクへの内部ユーザーチャットを処理するインテリジェントなボットを作成する予定です。ボットには次の要件があります。
*ユーザーの意味を解釈できる必要があります。
*ユーザーに対して複数のタスクを実行できる必要があります。
*既存のナレッジベースからの質問に答えられる必要がある
要件を満たすソリューションを推奨する必要があります。
各要件に対してどのソリューションを推奨する必要がありますか?回答するには、回答領域で適切なオプションを選択します。
注:それぞれの正しい選択は1ポイントの価値があります。
正解:

Explanation

Box 1: The Language Understanding (LUIS) service
Language Understanding (LUIS) is a cloud-based API service that applies custom machine-learning intelligence to a user's conversational, natural language text to predict overall meaning, and pull out relevant, detailed information.
Box 2: Text Analytics API
The Text Analytics API is a cloud-based service that provides advanced natural language processing over raw text, and includes four main functions: sentiment analysis, key phrase extraction, named entity recognition, and language detection.
Box 3: The QnA Maker service
QnA Maker is a cloud-based Natural Language Processing (NLP) service that easily creates a natural conversational layer over your data. It can be used to find the most appropriate answer for any given natural language input, from your custom knowledge base (KB) of information.
Reference:
https://docs.microsoft.com/en-us/azure/bot-service/bot-builder-tutorial-dispatch
https://docs.microsoft.com/en-us/azure/cognitive-services/qnamaker/overview/overview
Azure Machine Learningモデルのバージョン管理とログ記録を構成する必要があります。どのMachine Learningサービスアプリケーションを使用する必要がありますか?

解説: (JPNTest メンバーにのみ表示されます)
あなたの会社は最近25,000台のIoTデバイスを購入して展開しています。
次の要件を満たすデバイスのデータ分析ソリューションを推奨する必要があります。
*各デバイスは、識別に独自の資格情報を使用する必要があります。
*各デバイスは、複数のエンドポイントにデータをルーティングできる必要があります。
*ソリューションには、最小限のカスタマイズされたコードが必要です。
推奨事項に何を含めるべきですか?

解説: (JPNTest メンバーにのみ表示されます)
温度センサーから測定データを生成するAzure IoT Edgeデバイスがあります。データの変化は非常にゆっくりです。
一時的な2分間のウィンドウでデータを分析する必要があります。温度が制限を5度上回った場合、アラートを発生させる必要があります。ソリューションは、カスタムコードの開発を最小限に抑える必要があります。
何を使うべきですか?

解説: (JPNTest メンバーにのみ表示されます)
AI1およびAI2という名前の2つのAIアプリケーションをデプロイする予定です。アプリケーションのデータは、リレーショナルデータベースに保存されます。
AI1およびAI2のユーザーが各ユーザーのそれぞれの地域のデータのみを表示できるようにする必要があります。行レベルのセキュリティを使用して、データベースレベルでソリューションを実施する必要があります。
アプリケーションデータの保存に使用するデータベースソリューションはどれですか?

解説: (JPNTest メンバーにのみ表示されます)

弊社を連絡する

我々は12時間以内ですべてのお問い合わせを答えます。

オンラインサポート時間:( UTC+9 ) 9:00-24:00
月曜日から土曜日まで

サポート:現在連絡