AI-900 Flashcards
https://learn.microsoft.com/ja-jp/credentials/certifications/exams/ai-900/practice/assessment?assessment-type=practice&assessmentId=26&context=sso&source=esi
質問 1/50,,,質問 32/50
写真に基づいて人の年齢を識別する機能を提供する Computer Vision ソリューションはどれですか?
回答を 1 つだけ選択してください。
1) 顔検出
2) 画像の分類
3) 物体検出
4) セマンティック セグメンテーション
1) 顔検出
顔検出は、画像内の人間の顔を検出して分析する機能を提供します。これには、写真に基づいた人の年齢の識別も含まれます。 画像分類は、その内容に基づいて画像を分類します。 物体検出は、画像内のさまざまな種類の車両の位置を識別する境界ボックスを生成する機能を提供します。 セマンティック セグメント化では、画像内の個々のピクセルを分類する機能が提供されます。
https://learn.microsoft.com/training/modules/analyze-images-computer-vision/2-image-analysis-azure
https://learn.microsoft.com/training/modules/get-started-ai-fundamentals/4-understand-computer-vision
質問 2/50
画像を分類するときに Azure AI Vision でサポートされる 2 つの特殊なドメイン モデルはどれですか? 正しい解答はそれぞれ完全な解決策を示しています。
該当するすべての回答を選択してください。
- celebrities
- イメージの種類
- ランドマーク
- people_
- people_group
1) celebrities
3) ランドマーク
画像を分類する際、Azure AI Vision サービスは、著名人とランドマークという 2 つの特殊なドメイン モデルをサポートします。 画像の種類は、Computer Vision サービスの追加機能であり、クリップ アート画像や線画などの画像の種類を検出できます。 画像分類を実行する場合、people_とpeople_group の両方がサポートされるカテゴリです。
https://learn.microsoft.com/training/modules/analyze-images-computer-vision/2-image-analysis-azure
質問 3/50,, 質問 34/50
出力の一部として境界の座標を提供する Computer Vision サービスはどれですか?
回答を 1 つだけ選択してください。
1) 画像解析
2) 画像の分類
3) 物体検出
4) セマンティック セグメンテーション
3) 物体検出
物体検出では、画像内の物体の位置を指定する境界ボックス座標など、画像内のさまざまな種類の物体の位置を識別する境界ボックスを生成する機能が提供されます。 セマンティック セグメント化では、画像内の個々のピクセルを分類する機能が提供されます。 画像分類は、その内容に基づいて画像を分類します。 画像分析では、画像から情報が抽出され、タグまたはキャプションでラベル付けされます。
https://learn.microsoft.com/training/modules/analyze-images-computer-vision/2-image-analysis-azure
https://learn.microsoft.com/training/modules/get-started-ai-fundamentals/4-understand-computer-vision
質問 4/50,, 質問 36/50
物体検出を使用できるプロセスはどれですか?
回答を 1 つだけ選択してください。
1) ニュース記事に関するセンチメントの分析
2) 手書き原稿からテキストを抽出する
3) 従業員に安全な建物へのアクセスを許可する
4) フィールド内の家畜の追跡
4) フィールド内の家畜の追跡
物体検出は、牛などの家畜を追跡し、その安全性と福祉の支援に使用できます。 たとえば、農家は、特定の動物が移動していないかどうかを追跡できます。 感情分析は、テキストの分析に基づいて数値を返すために使用されます。 従業員の安全な建物へのアクセスは、顔認識を使用して実現できます。 手書きの原稿からテキストを抽出することは、光学式文字認識 (OCR) を使用する Computer Vision ソリューションの一例です。
https://learn.microsoft.com/training/modules/analyze-images-computer-vision/2b-computer-vision-models
質問 5/50, 質問 11/50,, 質問 35/50
一連の画像があります。 各画像は複数の車両を示しています。 同じ交通情報の監視画像でさまざまな車両の種類を識別できるのはなぜですか?
回答を 1 つだけ選択してください。
1) 画像の分類
2) 線形回帰
3) 物体検出
4) 光学式文字認識 (OCR)
3) 物体検出
物体検出を使用すると、交通監視画像を評価して、自動車、バス、サイクリストなどの特定の車両の種類をすばやく分類できます。 線形回帰は、回帰モデルのトレーニングに使用される機械学習トレーニング アルゴリズムです。 画像分類は、画像の主要なコンテンツに関連する Computer Vision の一部です。 OCR は、画像からテキストと手書きを抽出するために使用されます。
https://learn.microsoft.com/training/modules/analyze-images-computer-vision/2b-computer-vision-models
質問 6/50,,, 質問 39/50
Azure AI Vision サービスを使用してサポートされている 2 つの特殊なドメイン モデルはどれですか? 正しい解答はそれぞれ完全な解決策を示しています。
該当するすべての回答を選択してください。
- 動物
- 乗用車
- celebrities
- landmarks
- 植物
- celebrities
- landmarks
Azure AI Vision サービスは、著名人とランドマークという特殊なドメイン モデルをサポートします。 動物、自動車、植物の特殊なドメイン モデルはサポートされていません。
https://learn.microsoft.com/training/modules/analyze-images-computer-vision/2-image-analysis-azure
質問 7/50, 質問 16/50, 質問 41/50
Azure AI Document Intelligence サービスを使用して、国際パスポートや売上勘定書からの情報をスキャンできる事前構築済みの 2 つのモデルはどれですか? 解答には、正しいそれぞれの回答が必要です。
該当するすべての回答を選択してください。
- 名刺モデル
- 身分証明書モデル
- 請求書モデル
- 言語モデル
- 領収書モデル
- 身分証明書モデル
- 請求書モデル
請求書モデルは、売上請求書から重要な情報を抽出するので、販売勘定伝票から情報を抽出するのに適しています。 ID ドキュメント モデルは、米国の運転免許証や国際パスポートの経歴ページから重要な情報を分析および抽出するように最適化されています。 名刺モデル、領収書モデル、言語モデルは、パスポートまたは販売勘定伝票から情報を抽出するのには適していません。
https://learn.microsoft.com/training/modules/analyze-receipts-form-recognizer/
https://learn.microsoft.com/azure/applied-ai-services/form-recognizer/concept-model-overview?view=form-recog-3.0.0
質問 8/50, 質問 17/50
データ抽出機能の一部として一般的なデータ フィールドの識別を含む Azure AI Document Intelligence の 2 つのモデルはどれですか? 正しい解答はそれぞれ完全な解決策を示しています。
該当するすべての回答を選択してください。
- 名刺モデル
- 一般的なドキュメント モデル
- 請求書モデル
- レイアウト モデル
- 読み取りモデル
1) 名刺モデル
3) 請求書モデル
名刺モデルは、名刺の画像からキー情報を分析および抽出し、名前やメールなどの一般的なデータ フィールド抽出を含みます。 請求書モデルは、売上請求書からキー情報を抽出し、抽出のために請求書で使用される一般的なデータ フィールドを含みます。 読み取りモデル、レイアウト モデル、一般的なドキュメント モデルでは、一般的なデータ フィールドが識別および抽出されません。
https://learn.microsoft.com/azure/applied-ai-services/form-recognizer/concept-model-overview?view=form-recog-3.0.0
https://learn.microsoft.com/training/modules/analyze-receipts-form-recognizer/
質問 9/50, 質問 18/50
Azure AI Face サービスの Face Detect API を使用する場合、人の顔に眼鏡や帽子が含まれるかどうかを識別するのに役立つ機能はどれですか?
回答を 1 つだけ選択してください。
1) 顔の属性
2) Face ID
3) 顔のランドマーク
4) 顔四角形
1) 顔の属性
顔属性は、Face Detect API で検出できる特徴のセットです。 アクセサリー (眼鏡、マスク、帽子など) などの属性を検出できます。 顔の四角形、顔 ID、顔のランドマークでは、人が眼鏡をかけていたり帽子をかぶっていたりするかどうか判断できません。
https://learn.microsoft.com/azure/cognitive-services/computer-vision/overview-identity
https://learn.microsoft.com/training/modules/detect-analyze-faces/
質問 10/50, 質問 19/50
Azure AI Face サービスを使用する場合、一対多または一対一の顔照合を実行するには、何を使用する必要がありますか? 正しい解答はそれぞれ完全な解決策を示しています。
該当するすべての回答を選択してください。
- Custom Vision
- 顔の属性
- 顔識別
- 顔検証
- 似た顔を探す
- 顔識別
- 顔検証
Azure AI Face サービスの顔識別では、画像内の 1 つの顔と、セキュリティで保護されたリポジトリ内の一連の顔との 1 対多照合に対処できます。 また、顔検証には、画像内の顔をセキュリティで保護されたリポジトリや写真からの 1 つの顔と “1 対 1” で照合する機能があり、それらが同じ個人であるかどうかが確認されます。 顔属性、類似した顔の検索操作、Azure AI Custom Vision では、顔の ID は検証されません。
https://learn.microsoft.com/azure/cognitive-services/computer-vision/overview-identity
https://learn.microsoft.com/training/modules/detect-analyze-faces/
質問 11/50, 質問 21/50,, 質問 23/50
自然言語処理 (NLP) のコンテキストにおいて、テキスト内の用語の統計分析の最初のステップは何ですか?
回答を 1 つだけ選択してください。
- ベクター化されたモデルの作成
- 各単語の出現回数をカウントする
- 単語を数値特徴としてエンコードする
- ストップ ワードの削除
- ストップ ワードの削除
ストップ ワードの削除は、NLP のコンテキストでテキストに使用される用語の統計分析の最初のステップです。 各単語の出現回数のカウントは、ストップ ワードが削除された後に行われます。 ベクター化されたモデルの作成は、統計分析の一部ではありません。 これは、単語間の意味的関係をキャプチャするために使用されます。 単語を数値特徴としてエンコードすることは、統計分析の一部ではありません。 これは、感情分析でよく使用されます。
https://learn.microsoft.com/training/modules/analyze-text-with-text-analytics-service/2-understand-text-analytics
質問 12/50, 質問 22/50, 質問 15/50
不明な言語名に対する自然言語処理 (NLP) の Azure AI Language 検出サービスによって返される信頼度スコアはいくつですか?
回答を 1 つだけ選択してください。
1) 1
2) -1
3) (NaN)
4) Unknown
3) (NaN)
NaN (not a number、数字ではありません) は、Unknown 信頼度スコアを示します。 Unknown は、NaN 信頼度スコアが関連付けられている値です。 スコア値の範囲は 0 から 1 で、0 は最も低い信頼度スコアを示し、1 は最も高い信頼度スコアを示します。
https://learn.microsoft.com/training/modules/analyze-text-with-text-analytics-service/2-get-started-azure
質問 13/50, 質問 16/50
自然言語処理 (NLP) の音声合成のうち、各単語に音声を割り当てることができるように、テキストを個々の単語に分割するのはどの部分ですか?
回答を 1 つだけ選択してください。
1) レンマ化
2) キー フレーズ抽出
3) トークン化 (tokenization)
4) 転写
3) トークン化 (tokenization)
トークン化は音声合成の一部であり、テキストを個々の単語に分割して、各単語に発音を割り当てることができます。 文字起こしは音声認識の一部であり、音声のテキストへの変換が含まれます。 キー フレーズ抽出は、音声合成ではなく、言語処理の一部です。 レンマ化 (別名ステミング) は、音声合成ではなく、言語処理の一部です。
https://learn.microsoft.com/training/modules/recognize-synthesize-speech/
質問 14/50, 質問 23/50, 質問 17/50, 質問 25/50
サポートの質問データから問題を特定したり、言及されている人や製品を特定したりできるようにする 2 つの Azure AI サービス機能はどれですか? 解答には、正しいそれぞれの回答が必要です。
該当するすべての回答を選択してください。
- Azure AI Bot Service
- 会話言語理解
- キー フレーズ抽出
- 固有表現認識
- Azure AI 音声サービス
- キー フレーズ抽出
- 固有表現認識
キー フレーズ抽出は、テキスト内の主要な概念を識別するためのキー フレーズの抽出に使用されます。 これにより、会社はサポートの質問データから主要な論点を特定し、共通する問題を特定できます。 固有表現認識は、非構造化テキストで人、場所、組織、数量などのエンティティを識別し、分類できます。 Azure AI 音声サービス、会話言語理解、Azure Bot Service は、キー フレーズやエンティティを識別するためには設計されていません。
https://learn.microsoft.com/azure/search/cognitive-search-skill-keyphrases
https://learn.microsoft.com/training/modules/extract-insights-text-with-text-analytics-service/
https://learn.microsoft.com/training/modules/analyze-text-with-text-analytics-service/
質問 15/50,,,質問 26/50
Azure AI Language サービスの言語検出機能によって返される 3 つの値はどれですか?
該当するすべての回答を選択してください。
- 境界ボックス座標
- ISO 6391 コード
- 言語名
- スコア
- ウィキペディアの URL
- ISO 6391 コード
- 言語名
- スコア
Azure の自然言語処理 (NLP) の言語サービスによって返される 3 つの値は、言語名、ISO 6391 コード、スコアです。 境界ボックス座標は、Azure の Azure AI Vision サービスによって返されます。 Wikipedia の URL は、エンティティ認識のエンティティ リンク設定によって返される可能性のある値の 1 つです。
https://learn.microsoft.com/training/modules/analyze-text-with-text-analytics-service/2-get-started-azure
質問 17/50, 質問 27/50
カスタム翻訳ツールでのみ使用できるのは、Azure AI 翻訳サービスのどの機能ですか?
回答を 1 つだけ選択してください。
1) ドキュメント翻訳
2) 辞書を使用したモデル トレーニング
3) 話者認識
4) テキスト翻訳
2) 辞書を使用したモデル トレーニング
10,000 個の最小要件を満たすのに十分な並列文がない場合は、カスタム翻訳ツールで、辞書を使用したモデル トレーニングを使用できます。 結果のモデルは通常、完全なトレーニングよりもはるかに高速にトレーニングを完了し、追加した辞書と共に翻訳にベースライン モデルを使用します。
https://learn.microsoft.com/azure/cognitive-services/translator/custom-translator/overview
https://learn.microsoft.com/training/modules/intro-to-translator/
質問 16/50
テキスト内の識別された用語のあいまいさをなくすために外部 Web サイトへのリンクを返す機能が含まれているのは、Azure AI Language サービスのどの機能ですか?
回答を 1 つだけ選択してください。
1) エンティティ認識
2) キー フレーズ抽出
3) 言語検出
4) 感情分析
1) エンティティ認識
エンティティ認識には、テキストで識別される用語 (エンティティ) のあいまいさを解消するために外部 Web サイトへのリンクを返すエンティティ リンク設定機能が含まれます。 キー フレーズ抽出は、ドキュメントのテキストを評価し、その主要な論点を特定します。 Azure AI Language の言語検出は、テキストが記述されている言語を特定します。 感情分析では、テキストを評価し、各文のセンチメント スコアとラベルを返します。
https://learn.microsoft.com/training/modules/analyze-text-with-text-analytics-service/2-get-started-azure
質問 18/50, 質問 28/50, 質問 21/50, 質問 29/50
Azure AI Service for Language を使用する場合、テキストから抽出されたエンティティに関する詳細情報をオンラインで提供するには、何を使用する必要がありますか?
回答を 1 つだけ選択してください。
1) エンティティ リンク設定
2) キー フレーズ抽出
3) 固有表現認識
4) テキスト翻訳
1) エンティティ リンク設定
エンティティ リンク設定は、テキストで見つかったエンティティの ID を識別し、あいまいさを解消します。 キー フレーズ抽出はエンティティの抽出には使用されず、代わりにキー フレーズを抽出してテキスト内の主な概念の特定に使用されます。 固有表現認識では、詳細情報を表示するための各エンティティのリンクは提供されません。 テキスト翻訳は Azure AI 翻訳サービスの一部です。
https://learn.microsoft.com/azure/cognitive-services/language-service/entity-linking/overview
https://learn.microsoft.com/training/modules/analyze-text-with-text-analytics-service/
質問 19/50,,,質問 30/50
個別のユーザー音声を識別できるのは、Azure AI 音声サービスのどの機能ですか?
回答を 1 つだけ選択してください。
1) 言語識別
2) 音声認識
3) 音声合成
4) 音声翻訳
2) 音声認識
音声認識では、音声データを使用して音声を分析し、個別のユーザーの音声にマップできる認識可能なパターンを決定します。 Azure AI の音声合成はデータの音声化に関係し、通常はテキストを音声に変換します。 Azure AI の音声翻訳は、音声の多言語翻訳に関係します。 言語識別は、サポートされている言語の一覧と照合する際に、オーディオで話されている言語を識別するために使用されます。
https://learn.microsoft.com/azure/cognitive-services/speech-service/speaker-recognition-overview
https://learn.microsoft.com/training/modules/recognize-synthesize-speech/
質問 20/50, 質問 1/50, 質問 42/50, 質問 1/50
ナレッジ ベースの質問と回答を生成するために使用できる 3 つのソースは何ですか? 正しい解答はそれぞれ完全な解決策を示します。
該当するすべての回答を選択してください。
- Web ページ
- オーディオ ファイル
- 既存の FAQ ドキュメント
- イメージ ファイル
- 手動で入力されたデータ
1) Web ページ
3) 既存の FAQ ドキュメント
5) 手動で入力されたデータ
Web ページ、または質問と回答のペアを含むテキスト ファイルのような既存のドキュメントを使用して、ナレッジ ベースを生成できます。 ナレッジ ベースの質問と回答のペアを手動で入力することもできます。 イメージまたはオーディオ ファイルを直接使用してナレッジ ベースをインポートすることはできません。
https://learn.microsoft.com/training/modules/build-faq-chatbot-qna-maker-azure-bot-service/
質問 21/50,, 質問 43/50
文を正しく補完する回答を選択します。
[回答の選択肢] は、プラグインを使用して、生成 AI モデルから一般的なタスクに関するヘルプを得る機能をエンド ユーザーに提供します。
回答を 1 つだけ選択してください。
1) コパイロット
2) Language Understanding ソリューション
3) 質問応答モデル
4) RESTful API サービス
1) コパイロット
コパイロットは、多くの場合、アプリケーションに統合され、ユーザーが生成 AI モデルから一般的なタスクに関するヘルプを取得する方法を提供します。 コパイロットは一般的なアーキテクチャに基づいているため、開発者はさまざまなビジネス固有のアプリケーションやサービス用のカスタム コパイロットを構築できます。
https://learn.microsoft.com/training/modules/fundamentals-generative-ai/5-copilots
質問 22/50, 質問 4/50, 質問 45/50, 質問 4/50
文を正しく補完する回答を選択します。
[回答の選択肢] は、生成 AI モデルの応答の制約とスタイルを識別するために使用できます。
回答を 1 つだけ選択してください。
1) データの接地
2) 埋め込み
3) システム メッセージ
4) トークン化
3) システム メッセージ
システム メッセージを使用して、期待値を記述してモデルのコンテキストを設定する必要があります。 システム メッセージに基づいて、モデルはプロンプトに応答する方法を認識します。 他の手法は、生成 AI モデルでも使用されますが、他のユース ケースにも使用されます。
https://learn.microsoft.com/training/modules/fundamentals-generative-ai/6-writing-prompts
質問 23/50, 質問 5/50, 質問 46/50, 質問 5/50
NIST AI リスク管理フレームワークによると、責任ある生成 AI ソリューションを開発する際に考慮すべき最初のステージは何ですか?
回答を 1 つだけ選択してください。
1) 潜在的な損害を特定します。
2) 潜在的な損害の存在を測定します。
3) 潜在的な損害を軽減します。
4) ソリューションを操作します。
1) 潜在的な損害を特定します。
潜在的な損害を特定することは、責任ある生成 AI ソリューションを計画する際の最初の段階です。
https://learn.microsoft.com/training/modules/responsible-generative-ai/2-plan-responsible-ai
質問 24/50,, 質問 47/50, 質問 6/50
GPT モデルの例である 2 つの機能はどれですか? 正しい解答はそれぞれ完全な解決策を示します。
該当するすべての回答を選択してください。
- 自然言語を作成します。
- 言語の特定の方言を検出します。
- 動画からクローズド キャプションをリアルタイムで生成します。
- 音声を合成します。
- 自然言語処理を理解します。
1) 自然言語を作成します。
5) 自然言語処理を理解します。
Azure OpenAI の自然言語モデルでは、自然言語を扱い、応答を生成することができます。 GPT モデルは、自然言語の理解と作成の両方に優れています。
https://learn.microsoft.com/training/modules/explore-azure-openai/5-understand-openai-natural-language
