Visión por computadora puede devolver respuestas, como lenguaje natural, imágenes o código, en función de la entrada del lenguaje natural.

Los algoritmos de agrupación en clústeres se usan para predecir una categoría predefinida a la que pertenece un valor de entrada.

El aprendizaje supervisado es una categoría de algoritmos de aprendizaje que incluye la regresión y la clasificación.

La clasificación de imágenes proporciona la capacidad de clasificar píxeles individuales en una imagen.

Incrustaciones puede buscar, clasificar y comparar orígenes de texto para la similitud.

En un algoritmo de aprendizaje automático de regresión, ¿cuáles son las características de las características y las etiquetas de un conjunto de datos de validación?

¿Qué técnica de procesamiento de lenguaje natural (NLP) asigna valores a palabras como la planta y la flor, para que se consideren más cercanas entre sí que una palabra como avión?

Se puede usar directamente una imagen o un archivo de audio para importar una base de conocimiento.

Varias regresiones lineales modelan una relación entre dos o más características y una sola etiqueta. 

¿Qué técnica de inteligencia artificial (IA) se debe usar para extraer el nombre de un almacén de una fotografía que muestra el frente de la tienda?

Escenario de Computer Vision

Escenarios de voz de IA

Escenarios de procesamiento de lenguaje natural

Escenarios de extracción de datos e información

¿Qué se puede usar para un sistema de asistencia que pueda escanear firmas manuscritas?

Una de las arquitecturas de modelo de aprendizaje automático más comunes para Computer Vision es una red neuronal convolucional (CNN).

¿Qué servicio debe usar para crear una aplicación móvil con la que un usuario puede tomar una fotografía de un signo de calle y extraer texto para enviar a un servicio de traducción?

Tienden a funcionar bien en escenarios que se centran más en áreas de temas específicas y, por lo general, cuestan menos.

Tiene un conjunto de imágenes. Cada imagen muestra un tipo de fractura ósea. ¿La detección de objetos permite identificar fracturas óseas en diferentes imágenes de rayos X?

La regresión agrupa los puntos de datos que tienen características similares.

Debe crear un modelo de aprendizaje automático automatizado (ML automatizado).¿Qué recurso debe crear primero en Azure Machine Learning Studio?

La regresión lineal y la clasificación son componentes de algoritmo de aprendizaje automático no supervisados. Necesita datos etiquetados para usar estos algoritmos. 

Una empresa usa el aprendizaje automático para predecir los precios de las casas en función de los atributos de vivienda adecuados. Para el modelo de Machine Learning, ¿qué atributo es la etiqueta?

Se basa en algoritmos que permiten a las máquinas mejorar su rendimiento a medida que se exponen a más datos.

Cuando un agente aprende a través de la interacción con un entorno.

Permite aprovechar el conocimiento previo para acelerar el entrenamiento en nuevas tareas.

Son fundamentales para que el modelo aprenda patrones y pueda realizar predicciones o tomar decisiones.

Se refiere a sistemas que pueden comprender, razonar y resolver problemas en diferentes dominios.

El análisis de sentimiento, el reconocimiento de entidades y la extracción de frases clave forman parte del servicio Computer Vision.

 Una aplicación de IA lee el correo electrónico en voz alta a un usuario. Entonces se dice que  usa "Reconocimiento de voz de voz"

¿Cómo podemos asegurarnos de que los usuarios comprendan correctamente las funcionalidades de un sistema?

Los sistemas de IA deben mejorar la productividad de todas las personas y atraerlas por igual, independientemente de sus experiencias.

¿Cómo podría un sistema funcionar bien para personas en diferentes contextos y condiciones de uso, incluidos aquellos para los que no fue concebido originalmente?

Tomar medidas legales para proteger al público del contenido ofensivo generado por inteligencia artificial.

Son escenarios de carga de trabajo de inteligencia artificial (IA) y ejemplos de procesamiento de lenguaje natural (NLP):

-Realizar análisis de sentimiento en datos de redes sociales.

-Generación de etiquetas y descripciones para imágenes.

La privacidad y la seguridad, la confiabilidad y la responsabilidad enfatizan la importancia de aportar beneficios a todas las partes de la sociedad.

La agrupación en clústeres K-means es un componente de algoritmo de aprendizaje automático no supervisado que se usa para entrenar modelos de agrupación en clústeres. Puede usar datos sin etiquetar con este algoritmo. 

¿Qué parte de la síntesis de voz en el procesamiento de lenguaje natural (NLP) implica dividir texto en palabras individuales, de modo que cada palabra se pueda asignar sonidos fonéticos?

Una manera común de realizar tareas de procesamiento de imágenes es aplicar filtros que modifican los valores de píxel de la imagen para crear un efecto visual. 

NLP es un área de inteligencia artificial que trata de identificar el significado de un idioma escrito o hablado. Detecta y  lee texto en imágenes.

El precio de venta de una propiedad en función de su tamaño en pies cuadrados, el número de dormitorios que contiene y las métricas socioeconómicas para su ubicación.

Segmentación de clientes: Adultos con ingresos altos y gasto elevado.

Si un cliente bancario incumplirá el pago de un préstamo basado en sus ingresos, historial de crédito, edad y otros factores.

Puede combinar modelos de visión por computadora y de lenguaje para crear un modelo multimodal que combine capacidades de visión por computadora e inteligencia artificial generativa.

En el aprendizaje profundo, la pérdida es la diferencia entre los valores de etiqueta previstos y reales.

El contenido generado por IA puede ser de confianza si se crean mediante algoritmos avanzados.

¿Qué servicio debe usar para analizar una grabación de una llamada de servicio al cliente para extraer puntos clave que se trataron?

Voz de Azure AI es una carga de trabajo de  NLP que se usa para generar texto de subtítulos para presentaciones dinámicas.

El modelo entrenado en el aprendizaje profundo incluye los valores de peso finales que dan como resultado las predicciones más precisas.