wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

AI-900

Total questions: 157

Worksheet time: 5hrs 14mins

Name
Class
Date
1.

貴公司想建造一台瓶子回收機。回收機必須自動識別形狀正確的瓶子並拒絕所有其他物品。 公司應該使用哪種類型的 AI 工作負載？

a)

異常檢測

b)

對話式人工智能

c)

計算機視覺

d)

自然語言處理

2.

您可以在哪兩種情況下使用表單識別器服務？

每個正確答案都提供了一個完整的解決方案。

注意：每個正確的選擇都值得一分。

a)

從發票中提取發票編號。

b)

將表格從法語翻譯成英語。

c)

在目錄中查找產品圖像。

d)

從收據中識別零售商。

3.

您需要開發一個移動應用程序，供員工在旅行時掃描和存儲他們的開支。

您應該使用哪種類型的計算機視覺？

a)

語義分割

b)

圖像分類

c)

物體檢測

d)

光學字符識別（OCR）

4.

您正在處理比賽中跑步者的照片。

您需要閱讀跑步者襯衫上的號碼以識別照片中的跑步者。

您應該使用哪種類型的計算機視覺？

a)

人臉識別

b)

光學字符識別（OCR）

c)

語義分割

d)

物體檢測

5.

您使用無人機來識別雜草在作物行間的生長位置，以發送清除雜草的指令。

這是哪種類型的計算機視覺的示例？

a)

物體檢測

b)

光學字符識別（OCR）

c)

場景分割

6.

您需要確定圖像中汽車的位置，以便估計汽車之間的距離。

您應該使用哪種類型的計算機視覺？

a)

光學字符識別（OCR）

b)

物體檢測

c)

圖像分類

d)

人臉檢測

7.

您將圖像發送到計算機視覺 API 並接收回展覽中顯示的帶註釋的圖像。

使用了哪種類型的計算機視覺？

a)

物體檢測

b)

語義分割

c)

光學字符識別（OCR）

d)

圖像分類

8.

一家公司僱傭了一個客戶服務代理團隊為客戶提供電話和電子郵件支持。

該公司開發了一個網絡聊天機器人來為常見的客戶查詢提供自動答案。

公司應該從創建網絡聊天機器人解決方案中獲得哪些商業利益？

a)

增加銷售額

b)

減少客戶服務代理的工作量

c)

提高產品可靠性

9.

對於機器學習進度，您應該如何拆分數據以進行訓練和評估？

a)

使用特徵進行訓練和標籤進行評估。

b)

將數據隨機分成用於訓練的行和用於評估的行。

c)

使用標籤進行訓練，使用特徵進行評估。

d)

將數據隨機分成用於訓練的列和用於評估的列。

10.

您可以使用自動化機器學習用戶界面 (UI) 構建機器學習模型。

您需要確保模型符合 Microsoft 負責任 AI 的透明度原則。 你該怎麼辦？

a)

將驗證類型設置為自動。

b)

啟用解釋最佳模型。

c)

將主要指標設置為準確度。

d)

將最大並發迭代次數設置為 0。

11.

你正在設計一個人工智能係統，它可以賦予所有人權力，包括有聽力、視力和其他障礙的人。 這是 Microsoft 針對負責任 AI 的指導原則的一個示例？

a)

公平

b)

包容性

c)

可靠性和安全性

d)

問責制

12.

你正在構建一個人工智能係統。

您應包括哪些任務以確保服務符合 Microsoft 負責任 AI 的透明度原則？

a)

確保所有視覺對像都具有可由屏幕閱讀器閱讀的關聯文本。

b)

啟用自動縮放以確保服務根據需求進行縮放。

c)

提供文檔幫助開發者調試代碼。

d)

確保訓練數據集能夠代表總體。

13.

貴公司正在探索在其智能家居設備中使用語音識別技術。

該公司希望找出可能無意中漏掉特定用戶群的任何障礙。

這是微軟負責任人工智能指導原則的一個例子？

a)

問責制

b)

公平

c)

包容性

d)

隱私和安全

14.

負責任的 AI 的三項 Microsoft 指導原則是什麼？

每個正確答案都提供了一個完整的解決方案。

注意：每個正確的選擇都值得一分。

a)

知識性

b)

果斷

c)

包容性

d)

公平

e)

可靠性和安全性

15.

您舉辦了一項慈善活動，其中涉及在 Twitter 上發佈人們戴太陽鏡的照片。

您需要確保只轉發滿足以下要求的照片：

✑ 包括一張或多張面孔。

✑ 包含至少一個戴太陽鏡的人。

您應該使用什麼來分析圖像？

a)

人臉服務中的驗證操作

b)

人臉服務中的 Detect 操作

c)

Computer Vision 服務中的 Describe Image 操作

d)

計算機視覺服務中的分析圖像操作

16.

當你設計一個人工智能係統來評估是否應該批准貸款時，用來做出決定的因素應該是可以解釋的。

這是 Microsoft 針對負責任 AI 的指導原則的一個示例？

a)

透明度

b)

包容性

c)

公平

d)

D.隱私和安全

17.

您正在構建一個基於 AI 的應用程序。 您需要確保應用程序使用負責任的 AI 原則。

你應該遵循哪兩個原則？

每個正確答案都代表了解決方案的一部分。

注意：每個正確的選擇都值得一分。

a)

實施敏捷軟件開發方法

b)

實施 AI 模型驗證流程作為軟件審查流程的一部分

c)

建立風險治理委員會，包括法律團隊成員、風險管理團隊成員和隱私官

d)

防止披露使用基於人工智能的算法進行自動決策

18.

您應該使用哪種類型的機器學習來預測下個月將售出的禮品卡數量？

a)

分類

b)

回歸

c)

聚類

19.

您有一個數據集，其中包含有關給定時間段內發生的出租車旅程的信息。

您需要訓練一個模型來預測出租車旅程的票價。

您應該使用什麼作為功能？

a)

數據集中的出租車行程數

b)

個別出租車行程的行程距離

c)

個別計程車票價

d)

個別出租車行程的行程 ID

20.

您需要以米為單位預測未來 10 年的海平面。

您應該使用哪種類型的機器學習？

a)

分類

b)

回歸

c)

聚類

21.

您應該使用哪種服務從掃描的文檔中自動提取文本、鍵/值對和表格數據？

a)

表單識別器

b)

文本分析

c)

語言理解

d)

定制願景

22.

使用 Azure 機器學習設計器發布推理管道。

您應該使用哪兩個參數來消耗管道？

每個正確答案都代表了解決方案的一部分。

注意：每個正確的選擇都值得一分。

a)

型號名稱

b)

訓練端點

c)

認證密鑰

d)

REST 端點

23.

一個醫學研究項目使用腦掃描圖像的大型匿名數據集，這些圖像被分類為預定義的腦出血類型。

您需要使用機器學習來支持在圖像被人查看之前對圖像中不同的腦出血類型進行早期檢測。

這是哪種類型的機器學習的示例？

a)

聚類

b)

回歸

c)

分類

24.

訓練模型時，為什麼要將行隨機拆分為單獨的子集？

a)

對模型進行兩次訓練以獲得更好的準確性

b)

同時訓練多個模型以獲得更好的性能

c)

使用未用於訓練模型的數據來測試模型

25.

你正在評估是否在 Azure 機器學習中使用基本工作區或企業工作區。

需要企業工作空間的兩項任務是什麼？

每個正確答案都提供了一個完整的解決方案。

注意：每個正確的選擇都值得一分。

a)

使用圖形用戶界面 (GUI) 運行自動化機器學習實驗。

b)

創建一個計算實例以用作工作站。

c)

使用圖形用戶界面 (GUI) 從 Azure 機器學習設計器定義和運行機器學習實驗。

d)

從逗號分隔值 (CSV) 文件創建數據集。

26.

您需要使用以下數據集來預測給定客戶的收入範圍。

您應該使用哪兩個字段作為特徵？

每個正確答案都提供了一個完整的解決方案。

注意：每個正確的選擇都值得一分。

a)

教育程度

b)

姓氏

c)

年齡

d)

收入範圍

e)

名字

27.

您有如下圖所示的預測與真實圖表。

圖表用於評估哪種類型的模型？

a)

分類

b)

回歸

c)

聚類

28.

您正在構建一個工具來處理來自零售店的圖像並識別競爭對手的產品。

該解決方案將使用自定義模型。

你應該使用哪個 Azure 認知服務服務？

a)

定制願景

b)

表單識別器

c)

臉

d)

計算機視覺

29.

您可以使用哪兩個指標來評估回歸模型？

每個正確答案都提供了一個完整的解決方案。

注意：每個正確的選擇都值得一分。

a)

決定係數 (R2)

b)

F1 分數

c)

均方根誤差 (RMSE)

d)

曲線下面積 (AUC)

e)

平衡精度

30.

您應該使用哪種類型的機器學習來識別具有相似購買習慣的人群？

a)

分類

b)

回歸

c)

聚類

31.

您可以使用哪個指標來評估分類模型？

a)

真陽性率

b)

平均絕對誤差 (MAE)

c)

決定係數 (R2)

d)

均方根誤差 (RMSE)

32.

可以將哪兩個組件拖到 Azure 機器學習設計器的畫布上？

每個正確答案都提供了一個完整的解決方案。

注意：每個正確的選擇都值得一分。

a)

數據集

b)

計算

c)

管道

d)

模塊

33.

您需要從現有數據集創建訓練數據集和驗證數據集。

您應該使用 Azure 機器學習設計器中的哪個模塊？

a)

選擇數據集中的列

b)

添加行

c)

拆分數據

d)

加入數據

34.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

在自定義視覺服務中創建對象檢測模型時，您必須選擇多標籤或多類的分類類型。

a)

是

b)

否

35.

在訓練分類模型之前為圖像分配類是一個例子

a)

評價。

b)

特徵工程。

c)

超參數調優。

d)

標籤。

36.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您可以在自定義視覺服務中創建對象檢測模型，以查找圖像中內容的位置。

a)

是

b)

否

37.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

在自定義視覺服務中創建對象檢測模型時。您可以從一組預定義的域中進行選擇。

a)

是

b)

否

38.

您有一個包含員工列表及其照片的數據庫。您正在標記員工的新照片。

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

人臉服務可用於對員工進行面部識別

a)

是

b)

否

39.

您有一個包含員工列表及其照片的數據庫。您正在標記員工的新照片。

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

如果您提供更多不同角度的每位員工的樣張照片，人臉服務會更加準確。

a)

是

b)

否

40.

您有一個包含員工列表及其照片的數據庫。您正在標記員工的新照片。

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

如果員工戴著太陽鏡，人臉服務將始終無法識別該員工。

a)

是

b)

否

41.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

自定義視覺服務可用於檢測圖像中的對象。

a)

是

b)

否

42.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

自定義視覺服務要求您提供自己的數據來訓練模型。

a)

是

b)

否

43.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

自定義視覺服務可用於分析視頻文件。

a)

是

b)

否

44.

您可以使用 ______________ 服務通過使用自己的圖像來訓練對象檢測模型。

a)

計算機視覺

b)

自定義視覺

c)

表單識別器

d)

視頻索引器

45.

您正在開發⼀個模型來使⽤分類來預測事件。

您有⼀個根據測試數據評分的模型的混淆矩陣，如圖所⽰。

正確預測的陽性：

a)

5

b)

11

c)

1,033

d)

13,951

46.

您正在開發⼀個模型來使⽤分類來預測事件。

您有⼀個根據測試數據評分的模型的混淆矩陣，如圖所⽰。

假陰性：

a)

5

b)

11

c)

1,033

d)

13,951

47.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

基於歷史數據預測房價是異常檢測的一個例子

a)

是

b)

否

48.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

通過查找與通常模式的偏差來識別可疑登錄是異常檢測的一個示例。

a)

是

b)

否

49.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

根據患者的病史預測患者是否會患上糖尿病就是異常檢測的一個例子。

a)

是

b)

否

50.

處理提供給 AI 系統的異常值或缺失值是Microsoft_______負責任的 AI 原則的考慮因素。

a)

包容性

b)

隱私和安全

c)

可靠性和安全性

d)

透明度

51.

在為自動駕駛汽車開發 AI 系統時，應應用 Microsoft 負責 AI 以確保系統在意外情況下的一致運行。

a)

包容性

b)

問責制

c)

可靠性和安全性

d)

公平

52.

返回一個指示圖像中車輛位置的邊界框是一個示例

a)

圖像分類

b)

物體檢測

c)

光學字符識別器（OCR）

d)

語義分割

53.

______________ 用於生成附加特徵。

a)

特徵工程

b)

特徵選擇

c)

模型評估

d)

模型訓練

54.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

提供對信用貸款申請結果的解釋是 Microsoft 對負責任的 AI 透明度原則的一個示例。

a)

是

b)

否

55.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

根據受傷情況對保險索賠進行優先排序的分類機器人是 Microsoft 針對負責任的 AI 的可靠性和安全原則的一個示例。

a)

是

b)

否

56.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

針對不同銷售區域以不同價格提供的 AI 解決方案是 Microsoft 對負責任的 AI 的包容性原則的一個示例。

a)

是

b)

否

57.

根據微軟的______________ 責任鋁原則，

人工智能係統不應反映用於訓練系統的數據集的偏差。

a)

問責制

b)

公平

c)

包容性

d)

透明度

58.

影響模型預測的數據值稱為

a)

因變量

b)

特點

c)

身份標識

d)

標籤

59.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

自動化機器學習是自動化機器學習模型開發的耗時、迭代任務的過程。

a)

是

b)

否

60.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

自動化機器學習可以從提供的用例中自動推斷訓練數據。

a)

是

b)

否

61.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

自動化機器學習通過運行多次訓練迭代來工作，這些迭代按您指定的指標進行評分和排名。

a)

是

b)

否

62.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

自動化機器學習使您能夠指定數據集並自動了解要預測的標籤。

a)

是

b)

否

63.

預測貸款是否會被償還的銀行系統是機器學習_____________類型的一個例子。

a)

分類

b)

回歸

c)

叢生

64.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

標記是用已知值標記訓練數據的過程。

a)

是

b)

否

65.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您應該使用用於訓練模型的相同數據來評估模型。

a)

是

b)

否

66.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

準確性始終是衡量模型性能的主要指標。

a)

是

b)

否

67.

從收據中提取小計和總計的能力是______________服務的能力

a)

自定義視覺

b)

表單識別器

c)

墨水識別器

d)

文本分析

68.

從 Azure 機器學習設計器開始，要將實時推理管道部署為服務供其他人使用，您必須將模型部署到_______________

a)

本地網絡服務

b)

Azure 容器實例

c)

Azure Kuberetes 服務 (AKS)

d)

Azure 機器學習計算

69.

根據收到的訂單數量預測送貨員將加班多少小時就是一個例子

a)

轉型

b)

聚類

c)

回歸

70.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

Azure 機器學習設計器提供了一個拖放式可視畫布來構建、測試和部署機器學習模型。

a)

是

b)

否

71.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

Azure 機器學習設計器使你能夠將進度保存為管道草稿。

a)

是

b)

否

72.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

Azure 機器學習設計器使你能夠包含自定義 JavaScript 函數。

a)

是

b)

否

73.

您有圖中數據集。

您計劃使用該數據集來訓練一個模型，該模型將預測房屋的房價類別。

什麼是家庭收入？

(Household Income)家庭收入是

a)

一個特徵

b)

一個標籤

74.

您有圖中數據集。

您計劃使用該數據集來訓練一個模型，該模型將預測房屋的房價類別。

什麼是房價類別？

(House Price Category)房價類別是

a)

一個特徵

b)

一個標籤

75.

Azure 機器學習設計器允許您通過以下方式創建機器學習模型

a)

在可視畫布上添加和連接模塊

b)

自動執行常見的數據準備任務

c)

自動選擇算法以構建最準確的模型

d)

使用代碼優先的筆記本體驗

76.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

自動化機器學習使您能夠在訓練管道中包含自定義 Python 腳本

a)

是

b)

否

77.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

自動化機器學習實現機器學習解決方案，無需編程經驗

a)

是

b)

否

78.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

自動化機器學習為您提供了在交互式畫布上使用 Visuall 連接數據集和模塊的能力

a)

是

b)

否

79.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

驗證集包括將用於訓練模式的輸入示例集

a)

是

b)

否

80.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

驗證集可用於確定模型預測標籤的程度

a)

是

b)

否

81.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

驗證集可用於驗證是否使用了所有訓練數據來訓練模型。

a)

是

b)

否

82.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

基於文檔中包含的文本的相似性將文檔組織成組是聚類的一個示例。

a)

是

b)

否

83.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

根據症狀和診斷測試結果對相似患者進行分組是聚類的一個示例

a)

是

b)

否

84.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

根據花粉計數預測一個人是否會出現輕度、中度或重度過敏症狀是聚類的一個例子。

a)

是

b)

否

85.

預測某一天將有多少車輛通過一座橋就是一個例子

a)

分類。

b)

聚類。

c)

回歸。

86.

____________模型可用於預測拍賣物品的售價。

a)

分類

b)

簇狀

c)

回歸

87.

是正確圖像分類的計算概率。

a)

準確度

b)

信心

c)

根均方誤差

d)

情緒

88.

當重要字段包含異常或缺失值時，確保 AI 系統不提供預測是負責任 AI 的原則。

a)

包容性

b)

隱私和安全

c)

可靠性和安全性

d)

透明度

89.

確保訓練數據中的數值變量具有相似的比例是

a)

數據攝取。

b)

特徵工程。

c)

特徵選擇。

d)

模型訓練。

90.

在訓練分類模型之前為圖像分配類是一個例子

a)

評價。

b)

特徵工程。

c)

超參數調優。

d)

標籤。

91.

使用計算機視覺服務可以執行哪兩項任務？

a)

訓練自定義圖像分類模型。

b)

檢測圖像中的人臉。

c)

識別手寫文本。

d)

在語言之間翻譯圖像中的文本。

92.

什麼是分類的用例？

a)

根據一個人前一天晚上的睡眠時間來預測一個人會喝多少杯咖啡。

b)

分析圖像的內容並將具有相似顏色的圖像分組

c)

根據從家到上班的距離預測某人是否騎自行車上班

d)

根據過去的比賽時間預測某人參加比賽需要多少分鐘

93.

使用計算機視覺可以執行哪兩項任務？

a)

預測股票價格。

b)

檢測圖像中的品牌。

c)

檢測圖像中的配色方案

d)

在語言之間翻譯文本。

e)

提取關鍵短語。

94.

您需要為社交媒體構建一個圖像標記解決方案，自動標記您朋友的圖像。 你應該使用哪個 Azure 認知服務服務？

a)

面子

b)

表單識別器

c)

文本分析

d)

計算機視覺

95.

您可以在哪兩種情況下使用表單識別器服務？

a)

從收據中識別零售商

b)

從法語翻譯成英語

c)

從發票中提取發票編號

d)

在目錄中查找產品圖片

96.

您正在開發使用文本分析服務的解決方案。 您需要確定一組文檔中的主要談話要點。 您應該使用哪種類型的自然語言處理？

a)

實體識別

b)

關鍵詞提取

c)

情緒分析

d)

語言檢測

97.

哪兩種場景可以使用語音識別？

a)

一個可以大聲朗讀短信的車載系統

b)

為錄製或直播的視頻提供隱藏式字幕

c)

為火車站創建自動公共廣播系統

d)

創建電話或會議記錄

98.

在會議上進行演示時，您的會話將被轉錄為觀眾的字幕。這是一個例子

a)

情緒分析。

b)

語音識別。

c)

語音合成。

d)

翻譯。

99.

您需要構建一個可以大聲朗讀食譜說明的應用程序，以支持視力下降的用戶。 您應該使用哪個版本的服務？

a)

文本分析

b)

翻譯

c)

演講

d)

語言理解 (LUIS)

100.

您的網站有一個聊天機器人來幫助客戶。 您需要根據客戶在聊天機器人中輸入的內容來檢測客戶何時感到不安。 您應該使用哪種類型的 AI 工作負載？

a)

異常檢測

b)

計算機視覺

c)

回歸

d)

自然語言處理

101.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您可以使用語音服務將呼叫轉錄為文本。

a)

是

b)

否

102.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您可以使用文本分析服務從通話記錄中提取關鍵實體。

a)

是

b)

否

103.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您可以使用語音服務將通話的音頻翻譯成不同的語言。

a)

是

b)

否

104.

您計劃開發一個機器人，使用戶能夠使用自然語言處理來查詢知識庫。 您應該在解決方案中包含哪兩項服務？

a)

QnA 製造商

b)

Azure 機器人服務

c)

表單識別器

d)

異常檢測器

105.

在哪兩種場景下可以使用語音合成解決方案？

a)

自動語音朗讀使用數字鍵盤輸入電話的信用卡號

b)

為新聞廣播生成實時字幕

c)

從會議錄音中提取關鍵短語

d)

電腦遊戲中的 AI 角色，可以對玩家說話

106.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您可以使用翻譯服務在不同語言之間翻譯文本。

a)

是

b)

否

107.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您可以使用翻譯服務來檢測給定文本的語言。

a)

是

b)

否

108.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您可以使用翻譯服務將聽得見的語音轉錄成文本

a)

是

b)

否

109.

您正在使用 QnA Maker 構建知識庫。 您可以使用哪種文件格式來填充知識庫？

a)

PPTX

b)

XML

c)

郵編

d)

PDF

110.

在哪種情況下應該使用關鍵短語提取？

a)

確定對餐廳的評論是正面的還是負面的

b)

根據音軌為視頻生成字幕

c)

確定哪些文件提供了關於相同主題的信息

d)

將一組文件從英語翻譯成德語

111.

您有以文本形式存儲的保險索賠報告。 您需要從報告中提取關鍵術語以生成摘要。 您應該使用哪種類型的 AI 工作負載？

a)

自然語言處理

b)

對話式人工智能

c)

異常檢測

d)

計算機視覺

112.

您可以使用哪種 AI 服務來解釋用戶輸入的含義，例如 ג€稍後再給我回電？ג€

a)

翻譯

b)

文本分析

c)

演講

d)

語言理解 (LUIS)

113.

你正在 Azure 中開發聊天機器人解決方案。 您應該使用哪種服務來確定用戶的意圖？

a)

翻譯

b)

QnA 製造商

c)

演講

d)

語言理解 (LUIS)

114.

您需要以多種語言提供您公司的書面新聞稿。 您應該使用哪種服務？

a)

翻譯

b)

文本分析

c)

演講

d)

語言理解 (LUIS)

115.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

文本分析服務可以識別以哪種語言編寫文本。

a)

是

b)

否

116.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

文本分析服務可以檢測文檔中的手​​寫簽名。

a)

是

b)

否

117.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

命名實體識別(Text Analvtics )服務可以識別文檔中提到的公司和組織。

a)

是

b)

否

118.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

監控在線服務評論中的髒話是自然語言處理的一個例子。

a)

是

b)

否

119.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

識別圖像中的品牌標誌是自然語言處理的一個例子

a)

是

b)

否

120.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

監控公共新聞網站對產品的負面提及是自然語言處理的一個例子

a)

是

b)

否

121.

自然語言處理可用於

a)

將電子郵件消息分類為與工作相關的或個人的。

b)

預測未來租車的數量。

c)

預測哪些網站訪問者會進行交易。

d)

當記錄到極高的溫度時，停止工廠中的過程。

122.

你正在 Azure 中開發自然語言處理解決方案。該解決方案將分析客戶評論並確定每個評論的正面或負面程度。 這是哪種類型的自然語言處理工作負載的示例？

a)

語言檢測

b)

情緒分析

c)

關鍵詞提取

d)

實體識別

123.

您使用自然語言處理來處理來自 Microsoft 新聞報導的文本。

您會收到圖中所示的輸出。

執行了哪種類型的自然語言處理？

a)

實體識別

b)

關鍵詞提取

c)

情緒分析

d)

翻譯

124.

您正在編寫語言理解 (LUIS) 應用程序來支持音樂節。 您希望用戶能夠詢問有關預定節目的問題，例如： ג€主舞台上正在播放哪個表演？ג€ 問題 ג€主舞台上正在播放哪個表演？ג€ 是哪種類型的示例元素？

a)

意圖

b)

一段話

c)

域

d)

實體

125.

您可以使用常見問題 (FAQ) 頁面構建 QnA Maker 機器人。 您需要添加專業的問候語和其他回复，以使機器人更加用戶友好。 你該怎麼辦？

a)

增加響應的置信度閾值

b)

啟用主動學習

c)

創建多輪問題

d)

添加閒聊

126.

您需要為網站開發聊天機器人。

聊天機器人必鬚根據以下文檔中的信息回答用戶的問題：

✑ Microsoft Word 文檔中的產品故障排除指南

✑ 網頁上的常見問題 (FAQ) 列表

您應該使用哪種服務來處理文檔？

a)

Azure 機器人服務

b)

語言理解

c)

文本分析

d)

QnA 製造商

127.

您正在為電子商務業務構建語言理解模型。

您需要確保模型檢測到話語何時超出模型的預期範圍。

你該怎麼辦？

a)

使用新的話語測試模型

b)

將話語添加到 None 意圖

c)

創建預建任務實體

d)

創建一個新模型

128.

您有一個網絡聊天機器人，它提供來自 QnA Maker 知識庫的響應。

您需要確保機器人使用用戶反饋來隨著時間的推移提高響應的相關性。

你應該用什麼？

a)

關鍵詞提取

b)

情緒分析

c)

業務邏輯

d)

主動學習

129.

您正在開發一個對話式 AI 解決方案，該解決方案將通過電子郵件、Microsoft Teams 和網絡聊天等多種渠道與用戶進行交流。

您應該使用哪種服務？

a)

文本分析

b)

Azure 機器人服務

c)

翻譯

d)

表單識別器

130.

您需要為商務聊天機器人提供有助於回答簡單用戶查詢的內容。

使用 QnA Maker 創建問答文本的三種方法是什麼？

a)

從現有網頁生成問題和答案。

b)

使用自動化機器學習根據包含問題的文件訓練模型。

c)

手動輸入問題和答案。

d)

將機器人連接到 Cortana 頻道並使用 Cortana 提問。

e)

從預定義的數據源導入閒聊內容。

131.

您有一個常見問題 (FAQ) PDF 文件。

您需要根據常見問題解答創建會話支持系統。 您應該使用哪種服務？

a)

QnA 製造商

b)

文本分析

c)

計算機視覺

d)

語言理解 (LUIS)

132.

您需要通過實施聊天機器人來通過預定義的答案回答簡單問題，從而減輕電話接線員的負擔。 您應該使用哪兩個 AI 服務來實現目標？每個正確答案都代表了解決方案的一部分。 注意：每個正確的選擇都值得一分。

a)

文本分析

b)

QnA 製造商

c)

Azure 機器人服務

d)

翻譯

133.

哪兩個場景是對話式 AI 工作負載的示例？

a)

家中的智能設備，可以回答諸如 ג€今天天氣怎麼樣？ג€之類的問題

b)

使用知識庫以交互方式回答用戶問題的網站

c)

自動將前照燈插入汽車的裝配線機械

d)

監控機器的溫度以在溫度達到特定閾值時打開風扇

134.

您有以下展覽中顯示的過程。

圖中顯示了哪種類型的 AI 解決方案？

a)

情緒分析解決方案

b)

聊天機器人

c)

機器學習模型

d)

計算機視覺應用

135.

您需要為客戶支持系統開發基於 Web 的 AI 解決方案。用戶必須能夠與將引導他們獲得最佳資源或答案的 Web 應用程序進行交互。 您應該使用哪種服務？

a)

定制願景

b)

QnA 製造商

c)

翻譯文本

d)

面子

136.

您應該使用哪種 AI 服務從常見問題 (FAQ) 文檔中創建機器人？

a)

QnA 製造商

b)

語言理解 (LUIS)

c)

文本分析

d)

演講

137.

哪個場景是網絡聊天機器人的示例？

a)

確定在網站上為音樂會輸入的評論是正面的還是負面的，然後在評論中添加豎起大拇指或大拇指向下的表情符號。

b)

將客戶在售貨亭輸入的問題翻譯成英文，以便相關人員回電給客戶。

c)

通過電子郵件接受問題，然後根據消息的內容將電子郵件消息發送給正確的人。

d)

D.從網站界面，回答有關音樂節預定活動和購票的常見問題。

138.

哪兩個場景是對話式 AI 工作負載的示例？

a)

具有預先記錄器消息的電話應答服務

b)

一個聊天機器人，讓用戶能夠自己在網站上找到答案

c)

電話語音菜單，減少人力資源負擔

d)

通過抓取公共網站創建常見問題 (FAQ) 文檔的服務

139.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

響應內部用戶查詢的機器人是對話式 AI 工作負載的一個示例。

a)

是

b)

否

140.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

顯示與輸入的搜索詞相關的圖像的應用程序是會話 AI 工作負載的示例。

a)

是

b)

否

141.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

用於提交重置密碼請求的 Web 表單是對話式 AI 工作負載的一個示例。

a)

是

b)

否

142.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

可以使用 QnA Maker 查詢 Azure SQL 數據庫。

a)

是

b)

否

143.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

如果您希望知識庫為提交類似問題的不同用戶提供相同的答案，則應使用 QnA Maker。

a)

是

b)

否

144.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

QnA Maker 服務可以確定用戶話語的意圖。

a)

是

b)

否

145.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您可以使用電子郵件與機器人通信。

a)

是

b)

否

146.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您可以使用 Microsoft Teams 與機器人進行通信。

a)

是

b)

否

147.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

您可以使用網絡聊天界面與機器人進行通信。

a)

是

b)

否

148.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

餐廳可以使用聊天機器人 授權客戶通過網站或應用程序進行預訂。

a)

是

b)

否

149.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

餐廳可以使用聊天機器人 從網頁回答有關營業時間的查詢。

a)

是

b)

否

150.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

餐廳可以使用聊天機器人 自動響應外部網站上的客戶評論。

a)

是

b)

否

151.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

Azure Bot Service 和 Azure Cognitive Services 可以集成。

a)

是

b)

否

152.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

Azure 機器人服務以對話方式與客戶互動。

a)

是

b)

否

153.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

Azure 機器人服務可以將常見問題 (FAQ) 導入問答集。

a)

是

b)

否

154.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

網絡聊天機器人可以與訪問網站的用戶進行交互。

a)

是

b)

否

155.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

為預先錄製的視頻自動生成字幕是對話式 AI 的一個示例。

a)

是

b)

否

156.

對於以下每個陳述，如果陳述為真，請選擇“是”。否則，請選擇否。

家中的智能設備，可以回答諸如“今天天氣怎麼樣？”之類的問題。是對話式 AI 的一個例子。

a)

是

b)

否

157.

作為應用程序的一部分，用戶輸入的問題的交互式回答就是一個例子

a)

異常檢測

b)

計算機視覺

c)

對話式人工智能

d)

預測