PowerPoint プレゼンテーション

試験対策講座

AI-900 : Microsoft Azure AI Fundamentals

自己紹介

•

株式会社キカガク

研修講師

• Microsoft

認定トレーナー

✔AI-900 : Azure AI の基礎

✔AI-100 : Azure AI ソリューションのデザインと実装

✔DP-100 : データサイエンスソリューションのデザインと実装

• AI

を始めとする先端技術の研修事業

✔45,000

名以上の受講生実績

✔500

社以上の法人企業への研修実施実 績

小池 歩

株式会社キカガ

ク

本講座の目的

• AI-900

合格のための知識がついてい る

• Azure

の

サービスについて理解 している

•

機械学習の基礎知識がついている

受講後の理想の姿

講義の流れ

1.

試験の概要

の概要

3. Microsoft

と

4. Azure Machine Learning Services 5. Cognitive Services

カリキュラム

解説

模擬問題

回答

試験概要

試験概要

試験に合格することで

を取得

AI・機械学習とはなにか を理解する。

Azure AI サービスを理解し それぞれの特徴を理解する。

Azure AI

サービス

AI のビジネス活用方法を 理解する。

AI

ソリューション

・機械学習

AI-900 : Azure AI Fundamentals

AI-900 : Azure AI Fundamentals

出題範囲（ 2021 年 1 月 27 日）

評価されるスキル 割合

AI ワークロードと考慮事項について説明する 15-20%

Azure での機械学習の基本原則について説明する 30-35%

Azure のコンピューター ビジョン ワークロードの機能について説明する 15-20%

Azure の 自然言語処理(NLP) ワークロードの機能について説明する 15-20%

Azure での会話型 AI ワークロードの機能について説明する 15-20%

AI-900 の出題形式

概要 詳細

問題数 50 問前後 ※予告なく変更になることがあります

出題形式 選択肢形式、ドロップダウンリスト形式、クリック形式、ドラッグ＆ドロップ形式

試験方法 試験はすべて、コンピュータ上で実施するCBT（Computer Based Testing）形式

試験時間 60 分

合格点 700 / 1000 点

問題形式

ホットスポット問題

https://docs.microsoft.com/ja-jp/learn/certifications/certification-exams

選択問題

A.◯◯◯◯

B.✕✕✕✕

C.□□□□

D.△△△△

シナリオ問題

◯◯◯◯

解決策：✕✕✕✕

A. はい B. いいえ

ドラッグ＆ドロップ問題

◯◯

◯✕✕✕

△△△

AI の概要

人工知能 > 機械学習 > アルゴリズムの内包関係 人工知能

機械学習

機械学習アルゴリズム

o

決定木

o

サポートベクトルマシン

ディープラーニング

人工知能、機械学習、ディープラーニング

教師あり学習、教師なし学習、強化学習 といった概念があります。

人工知能

機械学習

人工知能、機械学習、ディープラーニング

教師あり 学習

教師なし

学習 強化学習

教師あり学習 : 学習

モデル

入力値と目標値を与え、その関係性・規則性を見つけ出す

学習 目標値

入力値

鈴木さん

田中さん

佐藤さん

教師あり学習 : 推論

学習済み モデル

学習済みモデル（学習した関係性）と 新たな入力値を用いて予測を行う

推論 予測値

入力値

鈴木さん

田中さん

佐藤さん

教師あり学習 : 分類

鈴木さん 田中さん 佐藤さん

顔画像（入力値）を学習させた氏名（目標値）に分ける

陰性

陽性

問診結果（入力値）から癌が陽性か陰性か（目標値）に分ける

ポイント

入力値を元に

のように

カテゴリーに分ける

教師あり学習 : 回帰

10万円

物件情報（入力値）からを家賃（目標値）を算出

ポイント

入力値を元に

のように 値を算出

1000 mm

気象データ（入力値）から降水量（目標値）を算出

教師なし学習

モデル

教師あり学習と異なり目標値（答え）を必要としない

学習

入力値

教師なし学習 : クラスタリング

ポイント

入力値を元に A or B のように グループに分ける。解釈が必要。

メール（入力値）をグループ分け（解釈が必要）

A B C

メール（入力値）をカテゴリ（目標値）分け

ビジネス 迷惑メール

広告

分類

確認テスト

アドベンチャーサイクルは、都市で自転車をレンタルする企業だとします。 この企業は、今日ま での売上データを使用して、毎日どのくらいの自転車とスタッフを用意するかの需要予測を行いま す。どの問題設定に当たりますか？

A.

分類

回帰

C.

教師なし学習

問題１

答え： B. 回帰

アドベンチャーサイクルは、特定の日 (曜日、予想される気象条件など) に関 する情報を入力として受け取り、予測されるレンタル数を出力として生成す る機械学習モデルを作成できます。レンタル数（連続値）を予測する問題は 回帰問題のタスクです。

確認テスト

問

顧客を異なるグループにセグメンテーションし、

マーケティングをサポート

クラスタリング

積雪によってフライトが何分遅れるのかを予測

A社の株価が上がるかどうかを予測

分類

回帰

機械学習手法 シナリオ

答え

問

顧客を異なるグループにセグメンテーションし、

マーケティングをサポート

クラスタリング

積雪によってフライトが何分遅れるのかを予測

A社の株価が上がるかどうかを予測

分類

回帰

機械学習手法 シナリオ

確認テスト

分類のユースケースはどれですか？

A. 前夜の睡眠時間に基づいて、1人が何杯のコーヒーを飲むかを予測 B. 画像の内容を分析し、類似した色の画像をグループ化

C. 自宅から職場までの距離に基づいて、誰が自転車を使用して出社するかを予測 D. 過去のレース記録に基づいて、ある人がレースを実行するのにかかる時間を予測

問題 3

答え： C.

分類は、データを使用して、データの項目または行のカテゴリ、タイプ、

またはクラスを決定する機械学習方法です。

自宅から職場までの距離に基づいて、

誰が自転車を使用して出社するかどうかを予測

Microsoft と AI

AI の課題とリスク

• AI よって重大な倫理的影響や重大な損害が発生する可能性がある

• AI が社会的なバイアスやその他のバイアスを強固にする可能性がある

• 機密データが公開される可能性がある

• ソリューションは誰にでも機能するとは限らない

• AI 主導の意思決定に対して責任を負うのは誰か?

AI の課題とリスク

AI

の社会的な影響、および

テクノロジの意図しない結果を予測し、軽減する

• AI よって重大な倫理的影響や重大な損害が発生する可能性がある

• AI が社会的なバイアスやその他のバイアスを強固にする可能性がある

• 機密データが公開される可能性がある

• ソリューションは誰にでも機能するとは限らない

• AI 主導の意思決定に対して責任を負うのは誰か?

Microsoft の 6 つの基本原則

責任のある AI の原則

公平性 信頼性と安全

性

セキュリティとプラ イバシー

包括性 透明性 説明責任

https://www.microsoft.com/ai/responsible-ai

責任のある AI の原則

公平性 信頼性と安全

性

セキュリティとプラ イバシー

包括性 透明性 説明責任

AI

が不当な優位性、不利益をもたらしてはいけない

責任のある AI の原則

公平性 信頼性と安全

性

セキュリティとプラ イバシー

包括性 透明性 説明責任

AI

は信頼され、予期せぬ状況下でも安全に機能しなければ行けない

責任のある AI の原則

公平性 信頼性と安全

性

セキュリティとプラ イバシー

包括性 透明性 説明責任

個人情報の保護を適切におこなう

責任のある AI の原則

公平性 信頼性と安全

性

セキュリティとプラ イバシー

包括性 透明性 説明責任

様々な人に対して多様性のある設計を行う

責任のある AI の原則

公平性 信頼性と安全

性

セキュリティとプラ イバシー

包括性 透明性 説明責任

AI

の判断基準を人々が理解できるようにする

責任のある AI の原則

公平性 信頼性と安全

性

セキュリティとプラ イバシー

包括性 透明性 説明責任

AI

を展開する人々はシステムの動作について説明責任を負う

確認テスト

あなたは、聴覚、視覚、その他の障害を持つ人々を含むすべての人に力を与えるAIシステムを設計 しています。

これは、責任ある AI に関するマイクロソフトの指針となる原則の内のどれに当てはまりますか？

A.

公平性

包括性

C.

信頼性と安全性

D.

説明責任

問題 4

答え： B . 包括性

包括性：最初からすべての人を念頭に置いてソフトウェアを設計することです。

包括性を備えた設計を行うことで、すべてのユーザーにとってより良い製品を創り出すことができ 様々な人間の多様性を考慮することができます。

Azure の AI サービス

Azure の AI サービス

AI

向けのスケーラブルで信頼性の高いクラウド プラットフォーム

データストレージ ・・・データの保存を行う

計算機器 ・・・数値計算を行いデータから規則性を算出

サービス ・・・機械学習初学者でもわかりやすく使いやすい

Azure Machine Learning 機械学習モデルのトレーニング、デプロイ、

および管理のためのプラットフォーム

Cognitive Services ^開発者が AI ソリューションの構築に使用 できる一連のサービス

Azure の AI サービス

AI

向けのスケーラブルで信頼性の高いクラウド プラットフォーム

データストレージ ・・・データの保存を行う

計算機器 ・・・数値計算を行いデータから規則性を算出

サービス ・・・機械学習初学者でもわかりやすく使いやすい

Azure Machine Learning 機械学習モデルのトレーニング、デプロイ、

および管理のためのプラットフォーム

Cognitive Services ^開発者が AI ソリューションの構築に使用 できる一連のサービス

機能 能力

Azure Machine Learning Designer 機械学習ソリューションのコードなしの開発を可能 にする GUI サービス。

自動機械学習 コードレスでデータから効果的な機械学習モデルを 迅速に作成できます。

Azure Machine Learning

Web

に公開（デプロイ）を行うことができ、デプロイしたモデルの管理

Azure Machine Learning Designer

機械学習パイプラインを作成するためのビジュアルツール

・データセットの準備

・データの前処理

・データセットの分割

・アルゴリズムの選定

・モデルのトレーニング

・モデルの推論

・モデルの評価

Azure Machine Learning Designer

・データセットの準備

・データの前処理

・データセットの分割

・アルゴリズムの選定

・モデルのトレーニング

・モデルの推論

・モデルの評価

モデル構築に使用するデータをドラッグ＆ドロップ

Azure Machine Learning Designer

・データセットの準備

・データの前処理

・データセットの分割

・アルゴリズムの選定

・モデルのトレーニング

・モデルの推論

・モデルの評価

モデルに学習可能な形に変換

Azure Machine Learning Designer

・データセットの準備

・データの前処理

・データセットの分割

・アルゴリズムの選定

・モデルのトレーニング

・モデルの推論

・モデルの評価

正確な検証をするためにデータを分割

Azure Machine Learning Designer

・データセットの準備

・データの前処理

・データセットの分割

・アルゴリズムの選定

・モデルのトレーニング

・モデルの推論

・モデルの評価

学習を行う際の手法を選択

Azure Machine Learning Designer

・データセットの準備

・データの前処理

・データセットの分割

・アルゴリズムの選定

・モデルのトレーニング

・モデルの推論

・モデルの評価

目標値を選択して学習を行う

Azure Machine Learning Designer

・データセットの準備

・データの前処理

・データセットの分割

・アルゴリズムの選定

・モデルのトレーニング

・モデルの推論

・モデルの評価

学習済みモデルを使用して予測を行う

Azure Machine Learning Designer

・データセットの準備

・データの前処理

・データセットの分割

・アルゴリズムの選定

・モデルのトレーニング

・モデルの推論

・モデルの評価

どのくらい予測があたっていたのか集計する

自動機械学習 (Automated Machine Learning)

デー タ

モデ ル 機械学習からハードワーク（プログラミング）を取り除く

データと希望する モデルの種類を指定

自動で最適な モデルを選定

学習

確認テスト

A. Azure Machine Learning B. Azure Bot Service

C. Azure Cognitive Services

問題１

人工知能

の予測分析ソリューションを構築、テスト、共有

するた めには、どのソリューションをデプロイしますか

答え： A. Azure Machine Learning

機械学習モデルのトレーニング、デプロイ、自動化、管理、追跡に使用できるクラウドベースの環境

Azure の AI サービス

AI

向けのスケーラブルで信頼性の高いクラウド プラットフォーム

Azure Machine Learning 機械学習モデルのトレーニング、デプロイ、

および管理のためのプラットフォーム

Cognitive Services ^開発者が AI ソリューションの構築に使用 できる一連のサービス

データストレージ ・・・データの保存を行う

計算 ・・・数値計算を行いデータから規則性を算出

サービス ・・・機械学習初学者でもわかりやすく使いやすい

視覚サービスのユースケース

文字認識

文字認識

データ化

手書き文字の分類

異常品検知

製品画像

ミスの低下

不良品検知

• 視覚（ Vision ）

• Computer Vision

• Custom Vision Service

• Face

• Video Indexer

Azure 視覚サービス

バ ス

自動車

サイクリ スト

サイクリ スト バ

ス

・物体検出

・顔検出

・画像解析

・光学文字認識

バス、自動車、サイクリストを検出しています。

Computer Vision

画像を読み込ませるだけでテキスト抽出、画像の説明生成などの高度な分析を行ってくれます。

好ましくないコンテンツからユーザーの保護を行うフィルタリング機能も兼ね備えています。

バ ス

自動車

サイクリ スト

サイクリ スト バ

ス

物体検出

路上で犬を連れた人

画像解析 顔検出と認

識

トロント・ドミニオン銀行 光学文字認識

57

画像分類

犬 猫

Computer Vision のタスク

•

画像分類モデルの作成

•

物体検出モデルの作成

•

目標値の作成

パイナップル 99.6%

パッションフルーツ 79.9%で検出されています。

Custom Vison

Computer Vision と違い、自作の画像分類モデルを構築する事ができるサービスです。

コードを書かずに画像と物体のタグ付けを行うだけで簡単に作成ができます

•

高度な顔検出

•

顔情報を使用した認証と検証

顔情報の詳細が検出されています。

Face

画像分類モデルを構築する事ができるサービスです。

コードを書かずに画像と物体のタグ付けを行うだけで簡単に作成ができます

•

動画内の顔・物体検出

•

動画内の顔識別

•

動画内の人物の感情認識

•

動画内の音声認識・翻訳

登壇者を識別しています。

Video Indexer

動画ファイルから、ハイライト、文字テキスト、有名人などのを自動的に抽出します。

また事前に人物を登録することによって人物の識別を行うこともできます

•

事前構築済みのサービス

•

機械学習の専門知識がなくても利用できる

① 認証キー

②

エンドポイント

Cognitive Services の仕組み

①.abc-1234.

②.https://...

自然言語処理サービス

感情分析

売上向上

口コミ分析

文章分類

効率化

迷惑メール検知

Cognitive Services

・音声（ Speech ）

• Speech Translation

• Text to Speech

• Speech to Text

• Speaker Recognition

•

音声翻訳

•

カスタマイズ翻訳

•

多言語対応

英語から中国語へ変換しています。

Speech Translation

30 を超える言語の音声を翻訳。特定の用語に合わせて翻訳をカスタマイズできます。

テキストのリアルタイム翻訳を行う場合は Translator を使用します。

•

テキストを音声に変換

•

オーディオコントロール

•

多言語対応

こんにち は

テキストから音声へ変換しています。

Word などに導入されています

Text to Speech

200 種類以上の声と 50 以上の言語やバリエーションから選択することができ、

人間のようにテキストを自然に話すアプリやサービスの構築ができます。

こんにち は

音声からテキストへ変換しています。

Cortana や Siri などに擬似したサービスのイメージです。

Speech to Text

•

音声をテキストに変更

•

カスタマイズ変換

•

ノイズ除去

85以上の言語に対応して音声をテキストに書き換えてくれます。

日本語などの文法が複雑な言語にも対応しています。

話者を識別しています。

識別

Speaker Recognition

登録されている話者のグループから話者を識別します。

個々の話者に音声属性を関連付けることもでき、音声認証に使用することもできます。

•

話者の識別

•

話者の認証

・自然言語（ Language ）

• Immersive Reader

• Text Analytics

• Translator

• QnA Maker

• Language Understanding

Cognitive Services

•

読み上げ

•

翻訳

•

特定のテキストの強調

•

語句の可視化

Valleys (谷)をイメージ化しています。

Immersive Reader

あらゆるユーザーに対して読み上げや言語翻訳のほか、ハイライト表示やその他のデザイン要 素によって文章読解の補助を行う機能が提供されています。

•

言語検出

•

キーフレーズ抽出

•

評判判定

文章の分析を行い肯定的な文章と判断しています。

We went to Contoso Steakhouse located at

midtown NYC last week for a dinner party, and we adore the spot! They provide marvelous food and they have a great menu...

Text Analytics

自然言語処理を用いて文章内のセンチメント、エンティティ、関係 などの情報分析を行います。文章の要約などに役立ちます。

•

意図の理解

•

情報抽出

文章中の意図を解釈し、会話から重要な情報を抽出する

カスタム機械学習言語モデルをコードを使用せずに構築できます。

床のランプを 緑色で付けて

意図：電気をつける 情報 : 床のランプ・緑色

ランプをつけるという意図とそのための情報を理解しています。

Language Understanding (LUIS)

•

自動回答

•

ナレッジベース

ホテルのチャットボット例です。

QnA Maker

半構造化コンテンツから質問と回答を抽出し、ナレッジベースを構築することができます。

Azure Bot Service を使用することでボット作成をすることができます。

QnA Maker と Azure Bot Service

QnA Maker で作成したナレッジベースの Skype・Line などのアプリへの組み込みを管理します。

こちらでナレッジベースをもとに Bot アプリを作成します。

Azure Bot Service

? !

確認テスト

コンピュータビジョンサービスを使用して実行できる2つのタスクは何ですか？

A.

カスタム画像分類モデルの作成

画像内の顔検出

C.

画像内のテキスト翻訳

D.

画像内の手書き文字の検出

問題

答え： A,D

•

画像分類

•

顔検出

•

画像解析（画像の説明）

•

光学文字認識

確認テスト

あなたの会社にはユーザーからの質問に回答するチャットボットがあります。

このチャットボットにユーザーが入力した内容に基づいて感情分析をおこないま す。

どの AI のワークロードに当たりますか？

A.

画像解析

B.

異常品検出

C.

セマンティックセグメンテーション

自然言語処理

問題

答え： D . 自然言語処理

感情分析は文章から肯定か否定的かを分析してくれます。

Azure では Text Analytics を用いて行うことができます。

自然言語処理（NLP）は、感情分析、トピック検出、言語検出、キ ーフレーズ抽出、文章分類などのタスクに使用されます。

章末問題

章末テスト

A 社は、業務効率化を推進するクラウドサービスを提供しています。

業界の領域を広げ顧客数も増えてきたので、チャットボットソリューションを作成しようと思っています。

A 社がチャットボットソリューションを導入するビジネス上のメリットとしてもっとふさわしいものは下記 のうちどれになりますか？

A.

従業員の作業負荷の軽減

製品の品質向上

C.

製品のブランディング

問題 1

章末テスト

A 社は、業務効率化を推進するクラウドサービスを提供しています。

業界の領域を広げ顧客数も増えてきたので、チャットボットソリューションを作成しようと思っています。

A 社がチャットボットソリューションを導入するビジネス上のメリットとしてもっとふさわしいものは下記 のうちどれになりますか？

A.

従業員の作業負荷の軽 減

製品の品質向上

C.

製品のブランディング

問題 1

章末テスト

分類モデルの評価指標として使用されるものはどれですか？

A.

再現率

B.

平均絶対誤差

C.

決定係数

D.

平均平方二乗誤差

問題 ２

章末テスト

分類モデルの評価指標として使用されるものはどれですか？

A.

再現率

B.

平均絶対誤差

C.

決定係数

D.

平均平方二乗誤差

問題 ２

章末テスト

学習済みモデルに対して正しく実力を評価するためデータをどのように分割しますか？

A.

データをトレーニング用の列と評価用の列にランダムに分割します

データをトレーニング用の行と評価用の行にランダムに分割します

トレーニングには目標値を使用し、評価には入力値を使用します

入力値と目標値に分割

問題 ３

章末テスト

学習済みモデルに対して正しく実力を評価するためデータをどのように分割しますか？

A.

データをトレーニング用の列と評価用の列にランダムに分割します

データをトレーニング用の行と評価用の行にランダムに分割します

トレーニングには目標値を使用し、評価には入力値を使用します

入力値と目標値に分割

問題 ３

章末テスト

A.

はい

いいえ

問題 4

次の説明は正しいですか。「はい」または「いいえ」を選択してください。

Azure Machine Learning Designer は GUI ベースの学習済みモデルを使用する事のできるサービ

スで、Face などのサービスを使用することができます。

章末テスト

A.

はい

いいえ

問題 4

次の説明は正しいですか。「はい」または「いいえ」を選択してください。

Azure Machine Learning Designer は GUI ベースの学習済みモデルを使用する事のできるサービ

スで、Face などのサービスを使用することができます。

章末テスト

次の説明は正しいですか。「はい」または「いいえ」を選択してください。

Azure Machine Learning Designer は GUI で機械学習モデルを構築、

コードを書かずにテスト、デプロイすることができます。

A.

はい

いいえ

問題 5

章末テスト

次の説明は正しいですか。「はい」または「いいえ」を選択してください。

Azure Machine Learning Designer は GUI で機械学習モデルを構築、

コードを書かずにテスト、デプロイすることができます。

A.

はい

いいえ

問題 5

章末テスト

問題 6

空欄に当てはまる適切な処理を選択してください

A.

ロジスティク回帰

B.

モデルのトレーニング（学習）

C.

モデルの評価

モデルの推論

章末テスト

問題 6

空欄に当てはまる適切な処理を選択してください

A.

ロジスティク回

B.

帰 モデルのトレーニング（学習）

C.

モデルの評価

モデルの推論

章末テスト

1 日のアイスクリームの売上合計と気象測定値を含む履歴データに基づいて、アイスクリーム の売上を予測するモデルを作成します。どの Azure サービスを使用する必要がありますか?

問題 ７

A. Azure Machine Learning B. QnA Maker

C. Text Analytics

章末テスト

1 日のアイスクリームの売上合計と気象測定値を含む履歴データに基づいて、アイスクリーム の売上を予測するモデルを作成します。どの Azure サービスを使用する必要がありますか?

問題 ７

A. Azure Machine Learning B. QnA Maker

C. Text Analytics

あなたの組織にはよくある質問（FAQ）の PDF ファイルがあります。FAQ に基づいて会話型サ ポートシステムを作成する必要があります。どのサービスを使うべきですか？

問題 8

章末テスト

A. QnA Maker B. Text Analytics C. Computer Vision D. LUIS

あなたの組織にはよくある質問（FAQ）の PDF ファイルがあります。FAQ に基づいて会話型サ ポートシステムを作成する必要があります。どのサービスを使うべきですか？

問題 8

章末テスト

A. QnA Maker B. Text Analytics C. Computer Vision D. LUIS

章末テスト

あなたの組織には、よく寄せられる質問 (FAQ) に関する既存のドキュメントがあります。 FAQ の質問と回答を含むナレッジベースを QnA Maker を使用し最小限の労力で作成する方法を下記 より選択してください。

問題 9

A. 空のナレッジベースを作成し、手動でコピーして貼り付けます

B. 既存の FAQ ドキュメントを新しいナレッジベースにインポートします C. CSV ファイルに FAQ を記入してから CSV ファイルをインポートします

章末テスト

問題 9

A. 空のナレッジベースを作成し、手動でコピーして貼り付けます

B. 既存の FAQ ドキュメントを新しいナレッジベースにインポートします

あなたの組織には、よく寄せられる質問 (FAQ) に関する既存のドキュメントがあります。 FAQ の質問と回答を含むナレッジベースを QnA Maker を使用し最小限の労力で作成する方法を下記 より選択してください。

C. CSV ファイルに FAQ を記入してから CSV ファイルをインポートします

章末テスト

問題 10

Azure Machine Learning Designer を用いてモデルを構築する必要があります。

どの順序で処理を実行する必要がありますか？正しい順序で配置してください。

A.

モデルの推論

B.

データセットの準備

モデルの学習

D.

モデルの評価

E.

データセットの分割

章末テスト

問題 10

Azure Machine Learning Designer を用いてモデルを構築する必要があります。

どの順序で処理を実行する必要がありますか？正しい順序で配置してください。

答え

モデルの推論

B.

データセットの準備

モデルの学習

D.

モデルの評価

E.

データセットの分割

章末テスト

問題 11

A.

株価の予測

B.

画像内のブランド検出

画像内の配色の検出

言語間のテキスト翻訳

キーフレーズ抽出

コンピュータービジョンを使用して実行できるタスクを ２ つ選択してください。

章末テスト

問題 11

コンピュータービジョンを使用して実行できるタスクを ２ つ選択してください。

A.

株価の予測

B.

画像内のブランド検出

画像内の配色の検出

言語間のテキスト翻訳

キーフレーズ抽出

章末テスト

問題 12

A. Transfer Text B. Text Analytics C. Speech to Text D. LUIS

「 1/1 に ４ 名でフレンチコースを予約してください」などのユーザーの入力の

意味を理解するために、どの AI サービスを使用できますか？

章末テスト

問題 12

A. Transfer Text B. Text Analytics C. Speech to Text D. LUIS

「 1/1 に ４ 名でフレンチコースを予約してください」などのユーザーの入力の

意味を理解するために、どの AI サービスを使用できますか？

章末テスト

問題 13

A.

録音機能のある電話応対サービス

B.

ユーザーが

サイトで回答を見つけられる機能を提供するチャットボット

電車のアナウンス

D.

チャットを行える、ソーシャル

チャットボット「りんな」

会話形 AI のユースケースを下記より ２ つ選んでください

章末テスト

問題 13

A.

録音機能のある電話応対サービス

B.

ユーザーが

サイトで回答を見つけられる機能を提供するチャットボット

電車のアナウンス

D.

チャットを行える、ソーシャル

チャットボット「りんな」

会話形 AI のユースケースを下記より ２ つ選んでください

章末テスト

画像はどのタスクの評価指標として使用されていますか？

A.

二値分類

回帰

C.

クラスタリング

問題 14

章末テスト

画像はどのタスクの評価指標として使用されていますか？

A.

二値分類

回帰

C.

クラスタリング

問題 14

章末テスト

A.

感情分析

B.

キーフレーズ抽出

エンティティ検出

問題 15

Text Analytics サービスを使用して、テキストドキュメントの主要な要点を抽出す

る必要があります。サービスのどの機能を使用する必要がありますか?

章末テスト

A.

感情分析

B.

キーフレーズ抽出

エンティティ検出

問題 15

Text Analytics サービスを使用して、テキストドキュメントの主要な要点を決定す

る必要があります。サービスのどの機能を使用する必要がありますか?

章末テスト

問題 16

あなたは音声サービスを使用して、受信した電子メール メッセージの件名を読み上げる アプリケーションを構築したいと考えています。 どの API を使用すればよいですか?

A. Speech to Text B. Text to Speech C. Translator

章末テスト

問題 16

あなたは音声サービスを使用して、受信した電子メール メッセージの件名を読み上げる アプリケーションを構築したいと考えています。 どの API を使用すればよいですか?

A. Speech to Text B. Text to Speech C. Translator

章末テスト

問題 17

Computer Vision の物体検出モデルで画像に対して通常返される結果は次のうちどれですか？

A.

画像のクラスと確率スコア

B.

画像に含まれるすべての画像の領域を示すボックスの座標

画像内の各物体のクラス、確率、及び境界ボックス

章末テスト

問題 17

A.

画像のクラスと確率スコア

B.

画像に含まれるすべての画像の領域を示すボックスの座標

画像内の各物体のクラス、確率、及び境界ボックス

Computer Vision の物体検出モデルで画像に対して通常返される結果は次のうちどれですか？

章末テスト

問題 18

Custom Vision サービスを利用して画像分類モデルの作成をしています。精度を向上させるには

どのようにしたらよいでしょうか。最も適切な答えを選択してください。

A.

モデルのトレーニング（学習）に使用する画像サイズを小さくする

不均衡なデータを作る

C.

トレーニング用の画像を追加する

章末テスト

問題 18

Custom Vision サービスを利用して画像分類モデルの作成をしています。精度を向上させるには

どのようにしたらよいでしょうか。最も適切な答えを選択してください。

A.

モデルのトレーニング（学習）に使用する画像サイズを小さくする

不均衡なデータを作る

C.

トレーニング用の画像を追加する

章末テスト

問題 19

Face のサービスによって検出された顔の場所はどのように表示されますか？

A.

各顔の座標のペア。顔の中心が表示される

B.

各顔の座標の ２ つのペア。目の場所が表示されます

C.

各顔の座標セット。顔の周りの四角形の境界ボックスを定義します

章末テスト

問題 19

Face のサービスによって検出された顔の場所はどのように表示されますか？

A.

各顔の座標のペア。顔の中心が表示される

B.

各顔の座標の ２ つのペア。目の場所が表示されます

C.

各顔の座標セット。顔の周りの四角形の境界ボックスを定義します

章末テスト

問題 20

次の画像は Computer Vision のどのタスクに当たりますか？

A.

物体検出

B.

画像分類

C.

OCR

章末テスト

問題 20

次の画像は Computer Vision のどのタスクに当たりますか？

A.

物体検出

B.

画像分類

C.

OCR

章末テスト

問題 21

A.

データに対して正規化を行う

ハイパーパラメータ調整を行う

他の評価指標をみる

あなたは Azure Machine Designer を使用して分類モデルを作成しています。精 度向上のアプローチとして適切なものを ２ つ選んでください。

章末テスト

問題 21

A.

データに対して正規化を行

う

ハイパーパラメータ調整を行う

他の評価指標をみる

あなたは Azure Machine Designer を使用して分類モデルを作成しています。精 度向上のアプローチとして適切なものを ２ つ選んでください。

章末テスト

問題 22

A. Azure Machine Learning Designer B.

自動機械学習

C. Cognitive Services

あなたはテーブルデータを使用した分類モデルを作成しようとしています。

次のうち最小限の工数でモデルを作成できるのは次のうちどれですか？

章末テスト

問題 22

A. Azure Machine Learning Designer B.

自動機械学

習

あなたはテーブルデータを使用した分類モデルを作成しようとしています。

次のうち最小限の工数でモデルを作成できるのは次のうちどれですか？

章末テスト

A.

分類

回帰

C.

時系列予測

D.

クラスタリング

問題 23

ある車の販売代理店が、車の売上履歴データを使用して機械学習モデルを構築したいと考えてい ます。このモデルは、車名、車種、排気量、走行距離などに基づいて、事前に所有されている自 動車の価格を予測する必要があります。

この販売代理店では、どのような種類の機械学習モデルを作成する必要がありますか?

章末テスト

問題 23

ある車の販売代理店が、車の売上履歴データを使用して機械学習モデルを構築したいと考えてい ます。このモデルは、車名、車種、排気量、走行距離などに基づいて、事前に所有されている自 動車の価格を予測する必要があります。

この販売代理店では、どのような種類の機械学習モデルを作成する必要がありますか?

A.

分類

回帰

C.

時系列予測

D.

クラスタリング

章末テスト

問題 24

A.

公平性と包括性

信頼と安全性

透明性

あるエンジニアリングチームが新しいツールの開発を望んでいます。

そのツールを利用すると、顔の表情を生き物のアニメーションに変換できます。

ツールを公開する前に、世界中のユーザーを対象に広範囲のテストを行うことを計画します。

どの基本原則が最も関連しますか。

D.

プライバシーとセキュリティ

章末テスト

問題 24

A.

公平性と包括 性

信頼と安全性

C.

透明性

あるエンジニアリングチームが新しいツールの開発を望んでいます。

そのツールを利用すると、顔の表情を生き物のアニメーションに変換できます。

ツールを公開する前に、世界中のユーザーを対象に広範囲のテストを行うことを計画します。

どの基本原則が最も関連しますか。

D.

プライバシーとセキュリティ

章末テスト

問題 25

A. Azure Machine Learning B. Azure Cognitive Service C. Azure Bot Service

顧客の質問に回答するには、自然言語を使用した人間とコンピューターのインターフェイス を作成する必要があります。 候補として選択すべき製品オプションはどれですか?

章末テスト

問題 25

A. Azure Machine Learning B. Azure Cognitive Service C. Azure Bot Service

顧客の質問に回答するには、自然言語を使用した人間とコンピューターのインターフェイス を作成する必要があります。 候補として選択すべき製品オプションはどれですか?