お手軽にダウンロードできるAI-900日本語試験問題集が更新されたのは180問があります
最新更新されたのはAI-900日本語試験問題2023年更新
質問 # 79
次の各ステートメントについて、ステートメントがtrueの場合は、[はい]を選択します。それ以外の場合は、[いいえ]を選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
質問 # 80
次の各ステートメントについて、ステートメントがtrueの場合は、[はい]を選択します。それ以外の場合は、[いいえ]を選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/anomaly-detection
質問 # 81
文を完成させるには、回答領域で適切なオプションを選択します。
正解：
解説：
Explanation
Reliability and safety: To build trust, it's critical that AI systems operate reliably, safely, and consistently under normal circumstances and in unexpected conditions. These systems should be able to operate as they were originally designed, respond safely to unanticipated conditions, and resist harmful manipulation.
Reference:
https://docs.microsoft.com/en-us/learn/modules/responsible-ai-principles/4-guiding-principles AI systems should perform reliably and safely. For example, consider an AI-based software system for an autonomous vehicle; or a machine learning model that diagnoses patient symptoms and recommends prescriptions. Unreliability in these kinds of system can result in substantial risk to human life.
https://docs.microsoft.com/en-us/learn/modules/get-started-ai-fundamentals/7-understand-responsible-ai
質問 # 82
文を完成させるには、回答領域で適切なオプションを選択します。
正解：
解説：
Reference:
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-object-detection
質問 # 83
Azureで自然言語処理ソリューションを開発しています。このソリューションは、顧客のレビューを分析し、各レビューがどれほど肯定的か否定的かを判断します。
これは、どのタイプの自然言語処理ワークロードの例ですか？
- A. 感情分析
- B. キーフレーズ抽出
- C. 言語検出
- D. エンティティの認識
正解：A
解説：
Sentiment Analysis is the process of determining whether a piece of writing is positive, negative or neutral.
Reference:
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language-processing
質問 # 84
文を完成させるには、回答領域で適切なオプションを選択します。
正解：
解説：
Reference:
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-object-detection
質問 # 85
次の各ステートメントについて、ステートメントがtrueの場合は、[はい]を選択します。それ以外の場合は、[いいえ]を選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Reference:
https://www.cloudfactory.com/data-labeling-guide
https://docs.microsoft.com/en-us/azure/machine-learning/studio/evaluate-model-performance
質問 # 86
文を完成させるには、回答領域で適切なオプションを選択します。
正解：
解説：
Explanation
Reference:
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-object-detection
質問 # 87
次の各ステートメントについて、ステートメントがtrueの場合は、[はい]を選択します。それ以外の場合は、[いいえ]を選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Explanation
Graphical user interface, text, application, email Description automatically generated
質問 # 88
機械学習タスクを適切なシナリオに一致させます。
答えるには、適切なタスクを左側の列から右側のシナリオにドラッグします。各タスクは、1回使用することも、複数回使用することも、まったく使用しないこともできます。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Explanation
Box 1: Model evaluation
The Model evaluation module outputs a confusion matrix showing the number of true positives, false negatives, false positives, and true negatives, as well as ROC, Precision/Recall, and Lift curves.
Box 2: Feature engineering
Feature engineering is the process of using domain knowledge of the data to create features that help ML algorithms learn better. In Azure Machine Learning, scaling and normalization techniques are applied to facilitate feature engineering. Collectively, these techniques and feature engineering are referred to as featurization.
Note: Often, features are created from raw data through a process of feature engineering. For example, a time stamp in itself might not be useful for modeling until the information is transformed into units of days, months, or categories that are relevant to the problem, such as holiday versus working day.
Box 3: Feature selection
In machine learning and statistics, feature selection is the process of selecting a subset of relevant, useful features to use in building an analytical model. Feature selection helps narrow the field of data to the most valuable inputs. Narrowing the field of data helps reduce noise and improve training performance.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio/evaluate-model-performance
https://docs.microsoft.com/en-us/azure/machine-learning/concept-automated-ml
質問 # 89
AIワークロードのタイプを適切なシナリオに一致させます。
答えるには、適切なワークロードタイプを左側の列から右側のシナリオにドラッグします。各ワークロードタイプは、1回使用することも、複数回使用することも、まったく使用しないこともできます。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Reference:
https://docs.microsoft.com/en-us/learn/paths/get-started-with-artificial-intelligence-on-azure/
質問 # 90
文を完成させるには、回答領域で適切なオプションを選択します。
正解：
解説：
質問 # 91
文を完成させるには、回答領域で適切なオプションを選択します。
正解：
解説：
Reference:
https://docs.microsoft.com/en-us/azure/architecture/data-science-process/create-features
質問 # 92
自然言語処理を使用して、Microsoftニュース記事のテキストを処理します。
次の展示に示す出力を受け取ります。
どのタイプの自然言語処理が実行されましたか？
- A. entity recognition
- B. translation
- C. sentiment analysis
- D. key phrase extraction
正解：A
解説：
Explanation
https://docs.microsoft.com/en-us/azure/cognitive-services/text-analytics/overview You can provide the Text Analytics service with unstructured text and it will return a list of entities in the text that it recognizes. You can provide the Text Analytics service with unstructured text and it will return a list of entities in the text that it recognizes. The service can also provide links to more information about that entity on the web. An entity is essentially an item of a particular type or a category; and in some cases, subtype, such as those as shown in the following table.
https://docs.microsoft.com/en-us/learn/modules/analyze-text-with-text-analytics-service/2-get-started-azure
質問 # 93
次の各ステートメントについて、ステートメントがtrueの場合は、[はい]を選択します。それ以外の場合は、[いいえ]を選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Explanation
Box 1: Yes
Azure bot service can be integrated with the powerful AI capabilities with Azure Cognitive Services.
Box 2: Yes
Azure bot service engages with customers in a conversational manner.
Box 3: No
The QnA Maker service creates knowledge base, not question and answers sets.
Note: You can use the QnA Maker service and a knowledge base to add question-and-answer support to your bot. When you create your knowledge base, you seed it with questions and answers.
Reference:
https://docs.microsoft.com/en-us/azure/bot-service/bot-builder-tutorial-add-qna
質問 # 94
文を完成させるには、回答領域で適切なオプションを選択します。
正解：
解説：
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/algorithm-module-reference/linear-regression
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/machine-learning-initialize-model-clustering Regression is a form of machine learning that is used to predict a numeric label based on an item's features.
https://docs.microsoft.com/en-us/learn/modules/create-regression-model-azure-machine-learning-designer/introduction
質問 # 95
ニュースをスキャンして顧客に関する記事を探し、否定的な記事がある場合は従業員に警告する必要があります。ポジティブな記事はプレスブックに追加する必要があります。
プロセスを完了するには、どの自然言語処理タスクを使用する必要がありますか？答えるには、適切なタスクを正しい場所にドラッグします。各タスクは、1回使用することも、複数回使用することも、まったく使用しないこともできます。コンテンツを表示するには、ペイン間で分割バーをドラッグするか、スクロールする必要がある場合があります。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/named-entity-recognition
https://docs.microsoft.com/en-us/azure/cognitive-services/text-analytics/how-tos/text-analytics-how-to-sentiment-analysis
質問 # 96
文を完成させるには、回答領域で適切なオプションを選択します。
Recency、Frequency、およびMonetary（RFM）値を使用して顧客ベースのセグメントを識別することは、___________の例です。
正解：
解説：
See the below in explanation:
Classification
質問 # 97
文を完成させるには、回答領域で適切なオプションを選択します。
正解：
解説：
Explanation
Reference:
https://azure.microsoft.com/en-gb/services/cognitive-services/speech-to-text/#features
質問 # 98
責任あるAIに関するマイクロソフトの指導原則を適切な説明に一致させます。
答えるには、適切な原則を左側の列から右側の説明にドラッグします。各原則は、1回使用することも、複数回使用することも、まったく使用しないこともできます。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Explanation
Box 1: Reliability and safety
To build trust, it's critical that AI systems operate reliably, safely, and consistently under normal circumstances and in unexpected conditions. These systems should be able to operate as they were originally designed, respond safely to unanticipated conditions, and resist harmful manipulation.
Box 2: accountability
Box 3: Privacy and security
As AI becomes more prevalent, protecting privacy and securing important personal and business information is becoming more critical and complex. With AI, privacy and data security issues require especially close attention because access to data is essential for AI systems to make accurate and informed predictions and decisions about people. AI systems must comply with privacy laws that require transparency about the collection, use, and storage of data and mandate that consumers have appropriate controls to choose how their data is used
https://docs.microsoft.com/en-us/learn/modules/responsible-ai-principles/4-guiding-principles
質問 # 99
次の各ステートメントについて、ステートメントがtrueの場合は、[はい]を選択します。それ以外の場合は、[いいえ]を選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Reference:
https://docs.microsoft.com/en-us/azure/cognitive-services/text-analytics/overview
質問 # 100
次の各ステートメントについて、ステートメントがtrueの場合は、[はい]を選択します。それ以外の場合は、[いいえ]を選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Reference:
https://docs.microsoft.com/en-us/azure/cognitive-services/text-analytics/overview
質問 # 101
Text AnalyticsAPI機能をテクニカルサポートチケットシステムに適用することを計画しています。
Text AnalyticsAPI機能を適切な自然言語処理シナリオに一致させます。
答えるには、適切な機能を左側の列から右側のシナリオにドラッグします。各機能は、1回使用することも、複数回使用することも、まったく使用しないこともできます。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Explanation
Box1: Sentiment analysis
Sentiment Analysis is the process of determining whether a piece of writing is positive, negative or neutral.
Box 2: Broad entity extraction
Broad entity extraction: Identify important concepts in text, including key Key phrase extraction/ Broad entity extraction: Identify important concepts in text, including key phrases and named entities such as people, places, and organizations.
Box 3: Entity Recognition
Named Entity Recognition: Identify and categorize entities in your text as people, places, organizations, date/time, quantities, percentages, currencies, and more. Well-known entities are also recognized and linked to more information on the web.
Reference:
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language-processing
https://azure.microsoft.com/en-us/services/cognitive-services/text-analytics
質問 # 102
文を完成させるには、回答領域で適切なオプションを選択します。
正解：
解説：
Explanation
Text Description automatically generated
Reference:
https://docs.microsoft.com/en-us/azure/architecture/data-science-process/create-features
質問 # 103
......
無料更新されたMicrosoft AI-900日本語テストエンジン問題には180問題と解答：https://jp.fast2test.com/AI-900J-premium-file.html