Azure AI-900-Revision Part 3

L'étiquetage est le processus de marquage des données avec des valeurs connues.

• Vrai

• Faux

. L’auto-ML vous offre la possibilité de connecter visuellement des ensembles de données et des modules sur un canevas interactif.

• Vrai

• Faux

L’auto-ML met en œuvre des solutions d'apprentissage

automatique sans nécessiter d'expérience en programmation.

• Vrai

• Faux

L’auto-ML vous permet d'inclure des scripts Python personnalisés dans un pipeline d'entraînement.

• Vrai

• Faux

Organiser des documents en groupes en fonction des similarités du texte qu'ils contiennent est un exemple de regroupement (clustering).

• Vrai

• Faux

Vous devriez évaluer un modèle en utilisant les mêmes données utilisées pour entraîner le modèle.

• Vrai

• Faux

La précision est toujours la principale métrique utilisée pour mesurer les performances d'un modèle.

• Vrai

• Faux

Quel service devriez-vous utiliser pour extraire automatiquement du texte, des paires clé/valeur et des données de table à partir de documents numérisés ?

• Form Recognizer

• Analyse de texte

• Language Understanding

• Custom Vision

La capacité à extraire les sous-totaux et les totaux à partir d'un reçu est une fonctionnalité du service de ………………………..

• Form Recognizer

• Analyse de texte

• Ink Recognizer

• Custom Vision

Vous utilisez le concepteur Azure Machine Learning pour publier un pipeline d’inférence.

Quels sont les deux paramètres à utiliser pour accéder au service web?

• Le nom du modèle

• Le point de terminaison d’entrainement (the training endpoint)

• La clé d’authentification (the authentication key)

• Le point de terminaison REST (the REST endpoint)