2023年最新ののMicrosoft AI-900日本語リアル試験問題集PDF
AI-900日本語試験問題集、AI-900日本語練習テスト問題
質問 # 96
文を正しく完成させる答えを選択してください。
正解：
解説：
質問 # 97
責任あるAIの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：正しい一致はそれぞれ1ポイントの価値があります。
正解：
解説：
質問 # 98
会社のプレスリリースをさまざまな言語で利用できるようにする必要があります。
どのサービスを使うべきですか？
- A. 翻訳者のテキスト
- B. 言語理解（LUIS）
- C. テキスト分析
- D. スピーチ
正解：A
解説：
Press release is a written communication. Speech wouldn't make sense. Plus, the Speech service doesn't translate languages, it "translates" audio into text, and vice versa.
https://docs.microsoft.com/en-us/learn/modules/translate-text-with-translation-service/2-get-started-azure
質問 # 99
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
Accelerate your business processes by automating information extraction. Form Recognizer applies advanced machine learning to accurately extract text, key/value pairs, and tables from documents. With just a few samples, Form Recognizer tailors its understanding to your documents, both on-premises and in the cloud.
Turn forms into usable data at a fraction of the time and cost, so you can focus more time acting on the information rather than compiling it.
Reference:
https://azure.microsoft.com/en-us/services/cognitive-services/form-recognizer/
質問 # 100
分類を使用してイベントを予測するモデルを開発しています。
次の展示に示すように、テストデータでスコアリングされたモデルの混同行列があります。
ドロップダウンメニューを使用して、図に示されている情報に基づいて各ステートメントを完了する回答の選択肢を選択します。
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/evaluate-model-performance
質問 # 101
視力が低下しているユーザーをサポートするために、レシピの説明を声に出して読むアプリを作成する必要があります。
どのバージョンのサービスを使用する必要がありますか？
- A. 言語理解（LUIS）
- B. テキスト分析
- C. 翻訳者のテキスト
- D. スピーチ
正解：D
解説：
Reference:
https://azure.microsoft.com/en-us/services/cognitive-services/text-to-speech/#features
質問 # 102
責任あるAIの原則を適切な要件に一致させます。
答えるには、適切な原則を左側の列から右側の要件にドラッグします。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。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：
Explanation
Graphical user interface, text, application, email Description automatically generated
Reference:
https://docs.microsoft.com/en-us/azure/cloud-adoption-framework/innovate/best-practices/trusted-ai
https://docs.microsoft.com/en-us/learn/modules/responsible-ai-principles/4-guiding-principles
質問 # 103
コンピュータビジョンの種類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://azure.microsoft.com/en-us/services/cognitive-services/face/
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-object-detection
質問 # 104
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
Reference:
https://docs.microsoft.com/en-gb/azure/cognitive-services/qnamaker/concepts/data-sources-and-content
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-service QnA maker conversational AI service nothing to do with SQL database You can easily create a user support bot solution on Microsoft Azure using a combination of two core technologies:
- QnA Maker. This cognitive service enables you to create and publish a knowledge base with built-in natural language processing capabilities.
- Azure Bot Service. This service provides a framework for developing, publishing, and managing bots on Azure.
https://docs.microsoft.com/en-us/learn/modules/build-faq-chatbot-qna-maker-azure-bot-service/2-get-started-qna LUIS is used to understand user intent from utterances.
Creating a language understanding application with Language Understanding consists of two main tasks. First you must define entities, intents, and utterances with which to train the language model - referred to as authoring the model. Then you must publish the model so that client applications can use it for intent and entity prediction based on user input.
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-service
質問 # 105
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://azure.microsoft.com/en-in/blog/microsoft-conversational-ai-tools-enable-developers-to-build-connect-and-manage-intelligent-bots
質問 # 106
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 # 107
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
In the most basic sense, regression refers to prediction of a numeric target.
Linear regression attempts to establish a linear relationship between one or more independent variables and a numeric outcome, or dependent variable.
You use this module to define a linear regression method, and then train a model using a labeled dataset. The trained model can then be used to make predictions.
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-m 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/introd
質問 # 108
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：
Explanation
Diagram Description automatically generated
Box 1: Entity recognition
the Named Entity Recognition module in Machine Learning Studio (classic), to identify the names of things, such as people, companies, or locations in a column of text.
Named entity recognition is an important area of research in machine learning and natural language processing (NLP), because it can be used to answer many real-world questions, such as:
* Which companies were mentioned in a news article?
* Does a tweet contain the name of a person? Does the tweet also provide his current location?
* Were specified products mentioned in complaints or reviews?
Box 2: Sentiment Analysis
The Text Analytics API's Sentiment Analysis feature provides two ways for detecting positive and negative sentiment. If you send a Sentiment Analysis request, the API will return sentiment labels (such as "negative",
"neutral" and "positive") and confidence scores at the sentence and document-level.
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-sentimen
質問 # 109
画像をComputerVision APIに送信し、展示に示されている注釈付きの画像を受け取ります。
どのタイプのコンピュータービジョンが使用されましたか？
- A. 物体検出
- B. セマンティックセグメンテーション
- C. 光学式文字認識（OCR）
- D. 画像分類
正解：A
解説：
Object detection is similar to tagging, but the API returns the bounding box coordinates (in pixels) for each object found. For example, if an image contains a dog, cat and person, the Detect operation will list those objects together with their coordinates in the image. You can use this functionality to process the relationships between the objects in an image. It also lets you determine whether there are multiple instances of the same tag in an image.
The Detect API applies tags based on the objects or living things identified in the image. There is currently no formal relationship between the tagging taxonomy and the object detection taxonomy. At a conceptual level, the Detect API only finds objects and living things, while the Tag API can also include contextual terms like "indoor", which can't be localized with bounding boxes.
Reference:
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-object-detection
質問 # 110
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：
質問 # 111
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/azure/architecture/data-guide/technology-choices/natural-language-processing
質問 # 112
従業員とその写真のリストを含むデータベースがあります。
従業員の新しい写真にタグを付けています。
次の各ステートメントについて、ステートメントが真の場合は[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
Reference:
https://docs.microsoft.com/en-us/azure/cognitive-services/face/overview
https://docs.microsoft.com/en-us/azure/cognitive-services/face/concepts/face-detection
質問 # 113
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 # 114
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 # 115
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 # 116
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
質問 # 117
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://azure.microsoft.com/es-es/blog/machine-assisted-text-classification-on-content-moderator-public-preview/
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language-processing
質問 # 118
......
PDF問題（2023年最新）実際のMicrosoft AI-900日本語試験問題：https://jp.fast2test.com/AI-900J-premium-file.html