Al 900

Questão 1
Pergunta
Uma empresa emprega uma equipe de agentes de atendimento ao

cliente para fornecer suporte por telefone e e-mail aos clientes. A
empresa desenvolve um bot de webchat para fornecer respostas
automatizadas a consultas comuns de clientes.
Qual benefício comercial a empresa deve esperar como resultado da

criação da solução de bot de webchat?
A.aumento de vendas
B.uma carga de trabalho reduzida para os agentes de atendimento ao

cliente
C.confiabilidade aprimorada do produto
Responda
B.
Seção: Descrever cargas de trabalho e considerações de Inteligência

Artificial
Questão 2
Pergunta
Para um progresso de aprendizado de máquina, como você deve dividir

os dados para treinamento e avaliação?
A.Use recursos para treinamento e rótulos para avaliação.
B.Divida aleatoriamente os dados em linhas para treinamento e linhas

para avaliação.
C.Use rótulos para treinamento e recursos para avaliação.
D.Divida aleatoriamente os dados em colunas para treinamento e

colunas para avaliação.
Responda
B.

Artificial
Explicação
O módulo Dividir dados é particularmente útil quando você precisa

separar dados em conjuntos de treinamento e teste. Use a opção
Dividir Linhas se quiser dividir os dados em duas partes. Você pode
especificar a porcentagem de dados a ser colocada em cada divisão,
mas, por padrão, os dados são divididos de 50 a 50. Você também pode
randomizar a seleção de linhas em cada grupo e usar amostragem
estratificada.
Referência
 Dados divididos (5 minutos para ler)
Questão 3
Instrução
Selecione a opção de resposta que completa cada afirmação com base

nas informações apresentadas no gráfico.
Pergunta
Você está desenvolvendo um modelo para prever eventos usando

classificação.
Você tem uma matriz de confusão para o modelo pontuado nos dados
de teste, conforme mostrado na exibição a seguir.
Existem <box 1>positivos corretamente previstos.
Área de resposta para <box 1>:
 5
 11
 1,033
 13,951
Existem <box 2>falsos negativos.

 5
 11
 1,033
 13,951
Responda
Existem 11positivos corretamente previstos.
Existem 1,033falsos negativos.

Artificial
Explicação
<box 1>:11
TP = Verdadeiro Positivo.
Os rótulos de classe no conjunto de treinamento podem assumir
apenas dois valores possíveis, aos quais geralmente nos referimos
como positivo ou negativo. As instâncias positivas e negativas que um
classificador prevê corretamente são chamadas de verdadeiros
positivos (TP) e verdadeiros negativos (TN), respectivamente. Da
mesma forma, as instâncias classificadas incorretamente são chamadas
de falsos positivos (FP) e falsos negativos (FN).
<box 2>:1,033
FN = Falso Negativo
Referência
 Avalie o desempenho do modelo no Machine Learning Studio

(clássico) (12 minutos para ler)
Pergunta 4
Pergunta
Você cria um modelo de aprendizado de máquina usando a interface de

usuário (IU) de aprendizado de máquina automatizada. Você precisa
garantir que o modelo atenda ao princípio de transparência da
Microsoft para IA responsável. O que você deveria fazer?
A.Defina o tipo de validação como Automático.

B.Ative Explicar o melhor modelo.
C.Defina a métrica primária para precisão.
D.Defina o máximo de iterações simultâneas como 0.
Responda
B.

Artificial
Explicação
Habilidade de Explicação do Modelo.
A maioria das empresas funciona com base na confiança e a

capacidade de abrir a “caixa preta” do ML ajuda a criar transparência e
confiança. Em setores altamente regulamentados, como saúde e
bancos, é fundamental cumprir os regulamentos e as melhores
práticas. Um aspecto chave disso é entender a relação entre as
variáveis de entrada (recursos) e a saída do modelo. Conhecer a
magnitude e a direção do impacto que cada recurso (importância do
recurso) tem no valor previsto ajuda a entender e explicar melhor o
modelo. Com a capacidade de explicação do modelo, permitimos que
você entenda a importância do recurso como parte das execuções de
ML automatizadas.
Referência
 Novos recursos de machine learning automatizados no serviço

Azure Machine Learning
Pergunta 5
Instrução
Para cada uma das seguintes afirmações, selecione Sim se a

afirmação for verdadeira. Caso contrário, selecione Não.
Pergunta
1. A previsão de preços de imóveis com base em dados históricos

é um exemplo de detecção de anomalias.
2. Identificar entradas suspeitas procurando desvios dos padrões

usuais é um exemplo de detecção de anomalias.
3. Prever se um paciente desenvolverá diabetes com base no

histórico médico do paciente é um exemplo de detecção de
anomalia.
Responda
1. No.
2. Yes.
3. No.
Artificial
Explicação
A detecção de anomalias engloba muitas tarefas importantes no

aprendizado de máquina:
 Identificar transações potencialmente fraudulentas.
 Padrões de aprendizagem que indicam que ocorreu uma

intrusão na rede.
 Encontrar grupos anormais de pacientes.
 Verificando valores inseridos em um sistema.
Referência
 Detecção de anomalias (2 minutos para ler)
Pergunta 6
Instrução
Para completar a frase, selecione a opção apropriada na área de

resposta.
Pergunta
A manipulação de valores incomuns ou ausentes fornecidos a um
sistema de IA é uma consideração do <box 1>princípio da Microsoft
para IA responsável.
 inclusiveness
 privacy and security
 reliability and safety
 transparency
Responda
reliability and safety

Artificial
Explicação
Confiabilidade e segurança:
Os sistemas de IA precisam ser confiáveis e seguros para serem

confiáveis. É importante que um sistema funcione como foi
originalmente projetado e que responda com segurança a novas
situações. Sua resiliência inerente deve resistir à manipulação
intencional ou não intencional. Testes e validação rigorosos devem ser
estabelecidos para condições operacionais para garantir que o sistema
responda com segurança a casos extremos, e testes A/B e métodos de
campeão/desafiador devem ser integrados ao processo de avaliação.
O desempenho de um sistema de IA pode diminuir com o tempo,

portanto, um processo robusto de monitoramento e rastreamento de
modelos precisa ser estabelecido para medir de forma reativa e
proativa o desempenho do modelo e retreiná-lo, conforme necessário,
para modernizá-lo.
Referência
 IA responsável e confiável (8 minutos para ler)
Pergunta 7
Instrução
Combine os tipos de cargas de trabalho de IA aos cenários

apropriados. Cada tipo de carga de trabalho pode ser usado uma
vez, mais de uma vez ou não ser usado.
Pergunta
Tipos de carga de trabalho:
 Anomaly detection
 Computer vision
 Conversational AI
 Knowledge mining
 Natural language processing
Cenários:
1. Um chat automatizado para tirar dúvidas sobre reembolsos e

trocas
2. Determinando se uma foto contém uma pessoa
3. Determinando se uma avaliação é positiva ou negativa
Responda
1. Conversational AI:Um chat automatizado para tirar dúvidas

sobre reembolsos e trocas:
2. Computer vision: Determinando se uma foto contém uma

pessoa:
3. Natural language processing: Determinar se uma avaliação é

positiva ou negativa:

Artificial
Explicação
<box 3>:Natural language processing
O processamento de linguagem natural (NLP) é usado para tarefas

como análise de sentimentos, detecção de tópicos, detecção de idioma,
extração de frases-chave e categorização de documentos.
Referência
 Escolha uma tecnologia de processamento de linguagem

natural no Azure (3 minutos para ler)
Pergunta 8
Pergunta
Você está projetando um sistema de IA que capacita a todos, incluindo

pessoas com deficiência auditiva, visual e outras.
Este é um exemplo de qual princípio orientador da Microsoft para IA

responsável?
A.justiça
B.inclusão
C.confiabilidade e segurança
D.responsabilidade
Responda
B.

Artificial
Explicação
Inclusão: Na Microsoft, acreditamos firmemente que todos devem se

beneficiar da tecnologia inteligente, o que significa que ela deve
incorporar e atender a uma ampla gama de necessidades e experiências
humanas. Para os 1 bilhão de pessoas com deficiência em todo o
mundo, as tecnologias de IA podem ser um divisor de águas.
Referência
 Identificar princípios orientadores para IA responsável (8

minutos para ler)
Pergunta 9
Instrução
Combine os princípios orientadores da Microsoft para IA responsável

com as descrições apropriadas. Cada princípio pode ser usado uma
Pergunta
Princípios:
 Accountability
 Fairness
 Inclusiveness
 Privacy and security
 Reliability and safety
Descrições:
1. Garanta que os sistemas de IA funcionem como foram

originalmente projetados, respondam a condições imprevistas
e resistam à manipulação prejudicial.
2. Implementar processos para garantir que as decisões tomadas

por sistemas de IA possam ser substituídas por humanos.
3. Fornecer aos consumidores informações e controles sobre a

coleta, uso e armazenamento de seus dados.
Responda
1. Reliability and safety: Garanta que os sistemas de IA

funcionem como foram originalmente projetados, respondam
a condições imprevistas e resistam à manipulação prejudicial.
2. Accountability:
Implementar processos para garantir que as
decisões tomadas por sistemas de IA possam ser substituídas
por humanos.
3. Privacy and security:Fornecer aos consumidores

informações e controles sobre a coleta, uso e armazenamento
de seus dados.

Artificial
Explicação
<box 1>:Reliability and safety
Para construir confiança, é fundamental que os sistemas de IA operem

de forma confiável, segura e consistente em circunstâncias normais e
em condições inesperadas. Esses sistemas devem ser capazes de operar
como foram originalmente projetados, responder com segurança a
condições imprevistas e resistir a manipulação prejudicial.
<box 2>:Accountability
As pessoas que projetam e implantam sistemas de IA devem ser

responsáveis por como seus sistemas operam.
As organizações devem recorrer aos padrões da indústria para

desenvolver normas de responsabilidade. Essas normas podem
garantir que os sistemas de IA não sejam a autoridade final em
qualquer decisão que afete a vida das pessoas e que os humanos
mantenham um controle significativo sobre sistemas de IA altamente
autônomos.
<box 3>:Privacy and security
À medida que a IA se torna mais prevalente, proteger a privacidade e

proteger informações pessoais e comerciais importantes está se
tornando mais crítico e complexo. Com a IA, os problemas de
privacidade e segurança de dados exigem atenção especial porque o
acesso aos dados é essencial para que os sistemas de IA façam
previsões e decisões precisas e informadas sobre as pessoas. Os
sistemas de IA devem cumprir as leis de privacidade que exigem
transparência sobre a coleta, uso e armazenamento de dados e exigem
que os consumidores tenham controles apropriados para escolher
como seus dados são usados
Referência

minutos para ler)
Pergunta 10
Instrução
resposta.
Pergunta
Ao desenvolver um sistema de IA para carros autônomos, o <box

1>princípio da Microsoft para IA responsável deve ser aplicado para
garantir a operação consistente do sistema durante circunstâncias
inesperadas.
 inclusiveness
 accountability
 reliability and safety
 fairness
Responda
reliability and safety

Artificial
Explicação
Confiabilidade e segurança: para construir confiança, é fundamental
que os sistemas de IA operem de forma confiável, segura e consistente
em circunstâncias normais e em condições inesperadas. Esses sistemas
devem ser capazes de operar como foram originalmente projetados,
responder com segurança a condições imprevistas e resistir a
manipulação prejudicial.
Referência

minutos para ler)
Pergunta 11
Pergunta
Você está construindo um sistema de IA.
Qual tarefa você deve incluir para garantir que o serviço atenda ao
princípio de transparência da Microsoft para IA responsável?
A.Certifique-se de que todos os visuais tenham um texto associado que

possa ser lido por um leitor de tela.
B.Habilite o dimensionamento automático para garantir que um

serviço seja dimensionado com base na demanda.
C.Fornecer documentação para ajudar os desenvolvedores a depurar o
código.
D.Certifique-se de que um conjunto de dados de treinamento seja

representativo da população.
Responda
C.

Artificial
Referência

minutos para ler)
Pergunta 12
Instrução
Combine os tipos de cargas de trabalho de IA aos cenários

apropriados. Cada tipo de carga de trabalho pode ser usado uma
Pergunta

 Anomaly detection
 Computer vision
 Machine Learning (Regression)
Cenários:
1. Identificar letras manuscritas.
2. Preveja o sentimento de uma postagem de mídia social.
3. Identifique um pagamento com cartão de crédito fraudulento.
4. Preveja as vendas de brinquedos do próximo mês.
Responda
1. Computer vision: Identificar letras manuscritas.
2. Natural language processing: prever o sentimento de uma

postagem de mídia social.
3. Anomaly detection:Identifique um pagamento fraudulento

com cartão de crédito.
4. Machine Learning (Regression): prever as vendas de

brinquedos do próximo mês.

Artificial
Referência
 Fundamentos de IA do Microsoft Azure: Introdução à

inteligência artificial (34 minutos para ler)
Pergunta 13
Pergunta
Sua empresa está explorando o uso de tecnologias de reconhecimento

de voz em seus dispositivos domésticos inteligentes. A empresa quer
identificar quaisquer barreiras que possam inadvertidamente deixar de
fora grupos de usuários específicos.

responsável?
A.responsabilidade
B.justiça
C.inclusão
D.privacidade e segurança
Responda
C.
Artificial
Referência

minutos para ler)
Pergunta 14
Pergunta
Quais são os três princípios orientadores da Microsoft para IA

responsável?
A.conhecimento
B.determinação
C.inclusão
D.justiça
E.opinião
F.confiabilidade e segurança
Responda
C, D, F.

Artificial
Referência

minutos para ler)
Pergunta 15
Instrução

resposta.
Pergunta
Retornar uma caixa delimitadora que indica a localização de um

veículo em uma imagem é um exemplo de <box 1>.
 image classification.
 object detection.
 optical character recognizer (OCR).

 semantic segmentation.
Responda
object detection.

Artificial
Referência
 Detectar objetos comuns em imagens (2 minutos para ler)
Pergunta 16
Instrução

resposta.
Pergunta
<box 1>é usado para gerar recursos adicionais.
 Feature engineering
 Feature selection
 Model evaluation
 Model training
Responda
Feature engineering

Artificial
Referência
 Engenharia de recursos em aprendizado de máquina (6

minutos para ler)
Pergunta 17
Pergunta
Você realiza um evento de caridade que envolve postar fotos de pessoas

usando óculos escuros no Twitter. Você precisa garantir que apenas
retweeta fotos que atendam aos seguintes requisitos:
 Inclua um ou mais rostos.
 Conter pelo menos uma pessoa usando óculos escuros.
O que você deve usar para analisar as imagens?

A.a operação Verificar no serviço Face
B.a operação Detectar no serviço Face
C.a operação Descrever Imagem no serviço de Visão Computacional
D.a operação Analisar Imagem no serviço de Visão Computacional
Responda
B.

Artificial
Referência
 O que é o serviço Azure Face? (6 minutos para ler)
Pergunta 18
Pergunta
Quando você projeta um sistema de IA para avaliar se os empréstimos

devem ser aprovados, os fatores usados para tomar a decisão devem
ser explicáveis.
responsável?
A.transparência
B.inclusão
C.justiça
D.privacidade e segurança
Responda
A.

Artificial
Explicação
Alcançar a transparência ajuda a equipe a entender os dados e

algoritmos usados para treinar o modelo, qual lógica de transformação
foi aplicada aos dados, o modelo final gerado e seus ativos
associados. Essas informações oferecem insights sobre como o modelo
foi criado, o que permite que ele seja reproduzido de forma
transparente.
Respostas incorretas:
B: A inclusão exige que a IA considere todas as raças e experiências
humanas, e as práticas de design inclusivas podem ajudar os
desenvolvedores a entender e abordar possíveis barreiras que podem
excluir pessoas involuntariamente. Sempre que possível, a tecnologia
de fala para texto, texto para fala e reconhecimento visual deve ser
usada para capacitar pessoas com deficiência auditiva, visual e outras.
C: A justiça é um princípio ético fundamental que todos os seres

humanos pretendem compreender e aplicar. Este princípio é ainda
mais importante quando os sistemas de IA estão sendo
desenvolvidos. As principais verificações e equilíbrios precisam
garantir que as decisões do sistema não discriminem ou influenciem
um viés de gênero, raça, orientação sexual ou religião em relação a um
grupo ou indivíduo.
D: Um titular de dados é obrigado a proteger os dados em um sistema

de IA, e privacidade e segurança são parte integrante desse sistema. O
pessoal precisa ser protegido e deve ser acessado de uma forma que
não comprometa a privacidade de um indivíduo.
Referência
 IA responsável (2 minutos para ler)
Pergunta 19
Instrução

Pergunta
1. Fornecer uma explicação do resultado de um pedido de

empréstimo de crédito é um exemplo do princípio de
transparência da Microsoft para IA responsável.
2. Um bot de triagem que prioriza reivindicações de seguro com

base em lesões é um exemplo do princípio de confiabilidade e
segurança da Microsoft para IA responsável.
3. Uma solução de IA que é oferecida a preços diferentes para

diferentes territórios de vendas é um exemplo do princípio de
inclusão da Microsoft para IA responsável.
Responda
1. Yes.
2. No.
3. No.
Explicação
<box 1>:Yes
Alcançar a transparência ajuda a equipe a entender os dados e
algoritmos usados para treinar o modelo, qual lógica de transformação
foi aplicada aos dados, o modelo final gerado e seus ativos
associados. Essas informações oferecem insights sobre como o modelo
foi criado, o que permite que ele seja reproduzido de forma
transparente.
<box 2>:No
Um titular de dados é obrigado a proteger os dados em um sistema de

IA, e privacidade e segurança são parte integrante desse sistema. O
pessoal precisa ser protegido e deve ser acessado de uma forma que
não comprometa a privacidade de um indivíduo.
<box 3>:No
A inclusão exige que a IA considere todas as raças e experiências

humanas, e as práticas de design inclusivas podem ajudar os
desenvolvedores a entender e abordar possíveis barreiras que podem
excluir pessoas involuntariamente. Sempre que possível, a tecnologia
de fala para texto, texto para fala e reconhecimento visual deve ser
usada para capacitar pessoas com deficiência auditiva, visual e outras.
Referência

Pergunta 20
Instrução
Combine os princípios da IA responsável com os requisitos

apropriados. Cada princípio pode ser usado uma vez, mais de uma
vez ou não ser usado.
Pergunta
Princípios:
 Fairness
 Privacy and security
 Reliability and safety
 Transparency
Requisitos:
1. O sistema não deve discriminar com base em gênero, raça
2. Os dados pessoais devem estar visíveis apenas para aprovação
3. Os processos automatizados de tomada de decisão devem ser

registrados para que os usuários aprovados possam identificar
por que uma decisão foi tomada
Responda
1. Fairness: O sistema não deve discriminar com base em
gênero, raça
2. Reliability and safety: Os dados pessoais devem estar

visíveis apenas para aprovação
3. Transparency:Os processos automatizados de tomada de

decisão devem ser registrados para que os usuários aprovados
possam identificar por que uma decisão foi tomada

Artificial
Pergunta 21
Pergunta
Você planeja implantar um modelo do Azure Machine Learning como

um serviço que será usado por aplicativos cliente.
Quais três processos você deve executar em sequência antes de

implantar o modelo?
Processos:
 data encryption
 model retraining
 model training
 data preparation
 model evaluation
Responda
 data preparation
 model training
 model evaluation

Artificial
Referência
 O que são pipelines do Azure Machine Learning? (7 minutos

para ler)
Pergunta 22
Pergunta
Você está criando um aplicativo baseado em IA.
Você precisa garantir que o aplicativo use os princípios da IA

responsável.
Quais são os dois princípios que você deve seguir?
A.Implemente uma metodologia de desenvolvimento de software ágil
B.Implemente um processo de validação do modelo de IA como parte

do processo de revisão de software
C.Estabelecer um comitê de governança de risco que inclua membros

da equipe jurídica, membros da equipe de gerenciamento de risco e um
responsável pela privacidade
D.Impedir a divulgação do uso de algoritmos baseados em IA para

tomada de decisão automatizada
Responda
B, C.

Artificial
Referência
 Implicações da IA responsável — Guia prático (7 minutos

para ler)
Pergunta 23
Instrução

resposta.
Pergunta
<box 1>De acordo com o princípio de IA responsável da Microsoft , os

sistemas de IA NÃO devem refletir as tendências dos conjuntos de
dados usados para treinar os sistemas.
 accountability
 fairness
 inclusiveness
 transparency
Responda
fairness

Artificial
Referência
Pergunta 24
Instrução
Combine as tarefas de aprendizado de máquina com os cenários

apropriados. Cada tarefa pode ser usada uma vez, mais de uma vez
ou não.
Pergunta
Tipos de Aprendizagem:
 Feature engineering
 Feature selection
 Model deployment
 Model evaluation
 Model training
Cenários:
1. Examinando os valores de uma matriz de confusão.
2. Dividir uma data em campos de mês, dia e ano.

3. Escolhendo temperatura e pressão para treinar um modelo
climático.
Responda
1. Model evaluation: Examinando os valores de uma matriz de

confusão.
2. Feature engineering: Dividir uma data em campos de mês, dia

e ano.
3. Feature selection:
Escolhendo temperatura e pressão para
treinar um modelo climático.
Explicação
<box 1>:Model evaluation
O módulo de avaliação do modelo gera uma matriz de confusão

mostrando o número de verdadeiros positivos, falsos negativos, falsos
positivos e verdadeiros negativos, bem como curvas ROC,
Precisão/Recall e Lift.
<box 2>:Feature engineering
A engenharia de recursos é o processo de usar o conhecimento de

domínio dos dados para criar recursos que ajudam os algoritmos de
ML a aprender melhor. No Azure Machine Learning, as técnicas de
dimensionamento e normalização são aplicadas para facilitar a
engenharia de recursos. Coletivamente, essas técnicas e engenharia de
recursos são chamadas de featurização.
Nota: Muitas vezes, os recursos são criados a partir de dados brutos

por meio de um processo de engenharia de recursos. Por exemplo, um
carimbo de hora em si pode não ser útil para modelagem até que as
informações sejam transformadas em unidades de dias, meses ou
categorias relevantes para o problema, como feriado versus dia útil.
<box 3>:Feature selection
Em aprendizado de máquina e estatística, a seleção de recursos é o

processo de selecionar um subconjunto de recursos relevantes e úteis
para usar na construção de um modelo analítico. A seleção de recursos
ajuda a restringir o campo de dados às entradas mais
valiosas. Restringir o campo de dados ajuda a reduzir o ruído e
melhorar o desempenho do treinamento.
Referência

 O que é aprendizado de máquina automatizado

(AutoML)? (15 minutos para ler)
Pergunta 25
Instrução

resposta.
Pergunta
Os valores de dados que influenciam a previsão de um modelo são

chamados de <box 1>.
 dependent variables.
 features.
 identifiers.
 labels.
Responda
features.
Seção: Descrever os princípios fundamentais do aprendizado de

máquina no Azure
Referência
 Diferença entre um recurso e um rótulo

 Descubra a engenharia de recursos, como projetar recursos e
como se tornar bom nisso
Pergunta 26
Pergunta
Você tem o gráfico Predicted vs. True mostrado na exposição a seguir.
Que tipo de modelo o gráfico é usado para avaliar?
A.classificação
B.regressão
C.agrupamento
Responda
B.

máquina no Azure
Explicação
O que é um gráfico Previsto vs. Verdadeiro?
Predicted vs. True mostra a relação entre um valor previsto e seu valor
verdadeiro correlacionado para um problema de regressão. Este
gráfico pode ser usado para medir o desempenho de um modelo, pois
quanto mais próximos da linha y = x estiverem os valores previstos,
melhor será a precisão de um modelo preditivo.
Referência
 Avalie os resultados do experimento automatizado de

aprendizado de máquina (24 minutos para ler)
Pergunta 27
Pergunta
Que tipo de aprendizado de máquina você deve usar para prever o

número de cartões-presente que serão vendidos no próximo mês?
A.classificação
B.regressão
C.agrupamento
Responda
B.

máquina no Azure
Explicação
No sentido mais básico, a regressão refere-se à previsão de um alvo

numérico.
A regressão linear tenta estabelecer uma relação linear entre uma ou

mais variáveis independentes e um resultado numérico ou variável
dependente.
Você usa este módulo para definir um método de regressão linear e, em

seguida, treina um modelo usando um conjunto de dados rotulado. O
modelo treinado pode então ser usado para fazer previsões.
Referência
 Regressão Linear (11 minutos para ler)

Pergunta 28
Pergunta
Você tem um conjunto de dados que contém informações sobre

viagens de táxi que ocorreram durante um determinado período.
Você precisa treinar um modelo para prever a tarifa de uma viagem de

táxi.
O que você deve usar como recurso?
A.o número de viagens de táxi no conjunto de dados
B.a distância de viagem de viagens de táxi individuais
C.a tarifa de viagens individuais de táxi
D.o ID de viagem de viagens de táxi individuais
Responda
B.

máquina no Azure
Explicação
O rótulo é a coluna que você deseja prever. Os
recursos identificados são as entradas que você fornece ao modelo
para prever o rótulo .
Exemplo:
O conjunto de dados fornecido contém as seguintes colunas:
 vendor_id : O ID do vendedor de táxi é um recurso.
 rate_code : O tipo de tarifa da viagem de táxi é um recurso.
 passageiro_count : O número de passageiros na viagem é

um recurso.
 trip_time_in_secs : A quantidade de tempo que a viagem

levou. Você deseja prever a tarifa da viagem antes que a
viagem seja concluída. Naquele momento, você não sabe
quanto tempo a viagem levaria. Assim, o tempo de viagem não
é um recurso e você excluirá esta coluna do modelo.
 trip_distance : A distância da viagem é um recurso.
 payment_type : O método de pagamento (dinheiro ou

cartão de crédito) é um recurso.
 fare_amount : A tarifa total de táxi paga é o rótulo.
Referência
 Tutorial: Preveja preços usando regressão com ML.NET (10
minutos para ler)
Pergunta 29
Pergunta
Você precisa prever o nível do mar em metros para os próximos 10

anos.
Que tipo de aprendizado de máquina você deve usar?
A.classificação
B.regressão
C.agrupamento
Responda
B.

máquina no Azure
Explicação
numérico.

dependente.

Referência
Pergunta 30
Instrução

Pergunta
1. O aprendizado de máquina automatizado é o processo de

automatizar as tarefas iterativas e demoradas do
desenvolvimento do modelo de aprendizado de máquina.
2. O aprendizado de máquina automatizado pode inferir
automaticamente os dados de treinamento do caso de uso
fornecido.
3. O aprendizado de máquina automatizado funciona

executando várias iterações de treinamento que são
pontuadas e classificadas pelas métricas que você especifica.
4. O aprendizado de máquina automatizado permite que você

especifique um conjunto de dados e entenda automaticamente
qual rótulo prever.
Responda
1. Yes.
2. No.
3. Yes.
4. No.
Explicação
<box 1>:Yes
O aprendizado de máquina automatizado, também conhecido como

ML ou AutoML automatizado, é o processo de automatizar as tarefas
iterativas e demoradas do desenvolvimento de modelos de aprendizado
de máquina. Ele permite que cientistas de dados, analistas e
desenvolvedores criem modelos de ML com alta escala, eficiência e
produtividade, mantendo a qualidade do modelo.
<box 2>:No
<box 3>:Yes
Durante o treinamento, o Azure Machine Learning cria vários pipelines

em paralelo que testam diferentes algoritmos e parâmetros para
você. O serviço itera por meio de algoritmos de ML emparelhados com
seleções de recursos, em que cada iteração produz um modelo com
uma pontuação de treinamento. Quanto maior a pontuação, melhor o
modelo é considerado para “ajustar” seus dados. Ele será interrompido
assim que atingir os critérios de saída definidos no experimento.
<box 4>:No
Aplique ML automatizado quando quiser que o Azure Machine

Learning treine e ajuste um modelo para você usando a métrica de
destino especificada.
O rótulo é a coluna que você deseja prever.
Referência
 Aprendizado de máquina automatizado

Pergunta 31
Instrução

resposta.
Pergunta
Um sistema bancário que prevê se um empréstimo será pago é um

exemplo do <box 1>tipo de aprendizado de máquina.
 classification
 regression
 clustering
Responda
classification

máquina no Azure
Explicação
A classificação de duas classes fornece a resposta para perguntas
simples de duas opções, como Sim/Não ou Verdadeiro/Falso.
Pergunta 32
Instrução

Pergunta
1. A rotulagem é o processo de marcar dados de treinamento

com valores conhecidos.
2. Você deve avaliar um modelo usando os mesmos dados

usados para treinar o modelo.
3. A precisão é sempre a principal métrica usada para medir o

desempenho de um modelo.
Responda
1. Yes.
2. No.
3. No.

máquina no Azure
Explicação
<box 1>:Yes
No aprendizado de máquina, se você rotulou dados, isso significa que

seus dados são marcados ou anotados para mostrar o destino, que é a
resposta que você deseja que seu modelo de aprendizado de máquina
preveja.
Em geral, a rotulagem de dados pode se referir a tarefas que incluem

marcação de dados, anotação, classificação, moderação, transcrição ou
processamento.
<box 2>:No
<box 3>:No
Precisão é simplesmente a proporção de instâncias classificadas

corretamente. Geralmente é a primeira métrica que você observa ao
avaliar um classificador. No entanto, quando os dados de teste estão
desequilibrados (onde a maioria das instâncias pertence a uma das
classes), ou você está mais interessado no desempenho em qualquer
uma das classes, a precisão não captura realmente a eficácia de um
classificador.
Referência
Pergunta 33
Pergunta
Qual serviço você deve usar para extrair texto, pares de chave/valor e
dados de tabela automaticamente de documentos digitalizados?
A.Reconhecedor de formulários
B.Análise de texto
C.Compreensão do idioma
D.Visão personalizada
Responda
A.

máquina no Azure
Explicação
Acelere seus processos de negócios automatizando a extração de
informações. O Form Recognizer aplica aprendizado de máquina
avançado para extrair com precisão texto, pares de chave/valor e
tabelas de documentos. Com apenas algumas amostras, o Form
Recognizer adapta sua compreensão aos seus documentos, tanto no
local quanto na nuvem. Transforme formulários em dados utilizáveis
em uma fração do tempo e do custo, para que você possa concentrar
mais tempo atuando nas informações em vez de compilá-las.
Referência
 Reconhecedor de formulários do Azure
Pergunta 34
Instrução

resposta.
Pergunta
A capacidade de extrair subtotais e totais de um recebimento é uma

capacidade do <box 1>serviço.
 Custom Vision
 Form Recognizer
 Ink Recognizer
 Text Analytics
Responda
Form Recognizer

máquina no Azure
Explicação
Acelere seus processos de negócios automatizando a extração de

informações. O Form Recognizer aplica aprendizado de máquina
avançado para extrair com precisão texto, pares de chave/valor e
tabelas de documentos. Com apenas algumas amostras, o Form
Recognizer adapta sua compreensão aos seus documentos, tanto no
local quanto na nuvem. Transforme formulários em dados utilizáveis
em uma fração do tempo e do custo, para que você possa concentrar
mais tempo atuando nas informações em vez de compilá-las.
Referência
Pergunta 35
Pergunta
Você usa o designer do Azure Machine Learning para publicar um

pipeline de inferência.
Quais dois parâmetros você deve usar para consumir o pipeline?
A.o nome do modelo
B.o endpoint de treinamento
C.a chave de autenticação
D.o ponto de extremidade REST
Responda
C, D.

máquina no Azure
Explicação
Você pode consumir um pipeline publicado na página de pipelines

publicados. Selecione um pipeline publicado e encontre o endpoint
REST dele.
Para consumir o pipeline, você precisa:
 O endpoint REST para seu serviço
 A chave primária para seu serviço
Referência
 Criar um modelo de regressão com o designer do Azure

Machine Learning (55 minutos para ler)
Pergunta 36
Instrução

resposta.
Pergunta
Do designer do Azure Machine Learning, para implantar um pipeline

de inferência em tempo real como um serviço para outros consumirem,
você deve implantar o modelo no <box 1>.
 a local web service.
 Azure Container Instances.

 Azure Kubernetes Service (AKS).
 Azure Machine Learning compute.
Responda
Azure Kubernetes Service (AKS).

máquina no Azure
Explicação
Para realizar inferência em tempo real, você deve implantar um

pipeline como um endpoint em tempo real.
Os pontos de extremidade em tempo real devem ser implantados em

um cluster do Azure Kubernetes Service.
Referência
 Implantar
Pergunta 37
Instrução

resposta.
Pergunta
Prever quantas horas extras um entregador trabalhará com base no

número de pedidos recebidos é um exemplo de<box 1>
 classification.
 clustering.
 regression.
Responda
regression.

máquina no Azure
Explicação

numérico.

dependente.
A classificação é um método de aprendizado de máquina que usa dados

para determinar a categoria, tipo ou classe de um item ou linha de
dados.
Clustering, no aprendizado de máquina, é um método de agrupar

pontos de dados em clusters semelhantes. Também é chamado de
segmentação.
Ao longo dos anos, muitos algoritmos de agrupamento foram

desenvolvidos. Quase todos os algoritmos de agrupamento usam os
recursos de itens individuais para encontrar itens semelhantes. Por
exemplo, você pode aplicar o agrupamento para encontrar pessoas
semelhantes por dados demográficos. Você pode usar o agrupamento
com análise de texto para agrupar frases com tópicos ou sentimentos
semelhantes.
Referência
 Componente de regressão linear (6 minutos para ler)
 Módulos de cluster (2 minutos para ler)

Pergunta 38
Instrução

Pergunta
1. O designer do Azure Machine Learning fornece uma tela

visual de arrastar e soltar para criar, testar e implantar
modelos de aprendizado de máquina.
2. O designer do Azure Machine Learning permite que você salve

seu progresso como um rascunho de pipeline.
3. O designer do Azure Machine Learning permite que você

inclua funções JavaScript personalizadas.
Responda
1. Yes.
2. Yes.
3. No.

máquina no Azure
Explicação
<box 1>:Yes
O designer do Azure Machine Learning permite conectar visualmente

conjuntos de dados e módulos em uma tela interativa para criar
modelos de machine learning.
<box 2>:Yes
Com o designer, você pode conectar os módulos para criar um

rascunho de pipeline.
Conforme você edita um pipeline no designer, seu progresso é salvo

como um rascunho de pipeline.
<box 3>:No
Referência
 O que é o designer do Azure Machine Learning? (4 minutos

para ler)
Pergunta 39
Instrução
Para responder, selecione a opção apropriada na área de resposta.
Pergunta
Você tem o seguinte conjunto de dados.
Você planeja usar o conjunto de dados para treinar um modelo que irá
prever as categorias de preços de casas de casas.
O que são Renda Familiar e Categoria de Preço da Casa?
Renda familiar:<box 1>
 A feature
 A label
Categoria de preço da casa:<box 2>
 A feature
 A label
Responda
Renda familiar:A feature

Categoria de preço da casa:A label

máquina no Azure
Referência
 Interpretar os resultados do modelo no Machine Learning

Studio (clássico) (13 minutos para ler)
Pergunta 40
Instrução

resposta.
Pergunta
O designer do Azure Machine Learning permite criar modelos de

aprendizado de máquina por<box 1>
 adding and connecting modules on a visual canvas.
 automatically performing common data preparation tasks.
 automatically selecting an algorithm to build the most

accurate model.
 using a code-first notebook experience.
Responda
adding and connecting modules on a visual canvas.

máquina no Azure
Pergunta 41
Instrução

Pergunta
1. O aprendizado de máquina automatizado oferece a

capacidade de incluir scripts Python personalizados em um
pipeline de treinamento.
2. O aprendizado de máquina automatizado implementa

soluções de aprendizado de máquina sem a necessidade de
experiência em programação.
3. O aprendizado de máquina automatizado oferece a

capacidade de conectar visualmente conjuntos de dados e
módulos em uma tela interativa.
Responda
1. Yes.
2. Yes.
3. Yes.

máquina no Azure
Referência
 Execute o código Python no designer do Azure Machine

Learning (2 minutos para ler)
 O que é aprendizado de máquina automatizado

(AutoML)? (15 minutos para ler)
Pergunta 42
Pergunta
Um projeto de pesquisa médica usa um grande conjunto de dados

anônimos de imagens de varredura cerebral que são categorizadas em
tipos predefinidos de hemorragia cerebral.
Você precisa usar o aprendizado de máquina para dar suporte à

detecção precoce dos diferentes tipos de hemorragia cerebral nas
imagens antes que as imagens sejam revisadas por uma pessoa.
Este é um exemplo de qual tipo de aprendizado de máquina?
A.agrupamento
B.regressão
C.classificação
Responda
C.

máquina no Azure
Referência
 Crie um modelo de classificação com o designer do Azure

Machine Learning (1 hora para ler)
Pergunta 43
Pergunta
Ao treinar um modelo, por que você deve dividir aleatoriamente as

linhas em subconjuntos separados?
A.treinar o modelo duas vezes para obter melhor precisão

B.treinar vários modelos simultaneamente para obter melhor
desempenho
C.para testar o modelo usando dados que não foram usados para
treinar o modelo
Responda
C.

máquina no Azure
Pergunta 44
Pergunta
Você está avaliando se deve usar um workspace básico ou um

workspace corporativo no Azure Machine Learning.
Quais são as duas tarefas que exigem um espaço de trabalho

corporativo?
A.Use uma interface gráfica do usuário (GUI) para executar

experimentos automatizados de aprendizado de máquina.
B.Crie uma instância de computação para usar como estação de

trabalho.
C.Use uma interface gráfica do usuário (GUI) para definir e executar
experimentos de aprendizado de máquina do designer do Azure
Machine Learning.
D.Crie um conjunto de dados a partir de um arquivo de valores

separados por vírgula (CSV).
Responda
A, C.

máquina no Azure
Explicação
Observação: os espaços de trabalho corporativos não estão mais

disponíveis a partir de setembro de 2020. O espaço de trabalho básico
agora tem todas as funcionalidades do espaço de trabalho corporativo.
Referência
 Aprendizado de máquina do Azure
 O que é um espaço de trabalho do Azure Machine

Learning? (5 minutos para ler)
Pergunta 45
Pergunta
Você precisa prever a faixa de renda de um determinado cliente usando

o conjunto de dados a seguir.
Quais dois campos você deve usar como recursos?
A.Nível de educação
B.Sobrenome
C.Era
D.Faixa salarial
E.Primeiro nome
Responda
A, C.

máquina no Azure
Explicação
Nome, Sobrenome, Idade e Nível de Educação são recursos. Faixa de

renda é um rótulo (o que você deseja prever). Nome e Sobrenome são
irrelevantes, pois não têm relação com a renda. Idade e nível de
escolaridade são os recursos que você deve usar.
Pergunta 46
Pergunta
Você está construindo uma ferramenta que processará imagens de

lojas de varejo e identificará os produtos dos concorrentes.
A solução usará um modelo personalizado.
Qual serviço de Serviços Cognitivos do Azure você deve usar?
A.Visão personalizada
B.Reconhecedor de formulários
C.Enfrentar
D.Visão Computacional
Responda
A.

máquina no Azure
Referência
 O que é Visão Personalizada? (2 minutos para ler)
Pergunta 47
Instrução

Pergunta
1. Organizar documentos em grupos com base nas semelhanças

do texto contido nos documentos é um exemplo de
agrupamento.
2. Agrupar pacientes semelhantes com base em sintomas e

resultados de testes diagnósticos é um exemplo de
agrupamento.
3. Prever se uma pessoa desenvolverá sintomas de alergia leves,

moderados ou graves com base na contagem de pólen é um
exemplo de agrupamento.
Responda
1. Yes.
2. Yes.
3. No.
Explicação
O clustering é uma tarefa de aprendizado de máquina usada para

agrupar instâncias de dados em clusters que contêm características
semelhantes. O clustering também pode ser usado para identificar
relacionamentos em um conjunto de dados
A regressão é uma tarefa de aprendizado de máquina usada para

prever o valor do rótulo de um conjunto de recursos relacionados.
Referência
 Tarefas de aprendizado de máquina em ML.NET (9 minutos

para ler)
Pergunta 48
Instrução

Pergunta
1. Um conjunto de validação inclui o conjunto de exemplos de

entrada que serão usados para treinar um modelo.
2. Um conjunto de validação pode ser usado para determinar

quão bem um modelo prevê rótulos.
3. Um conjunto de validação pode ser usado para verificar se

todos os dados de treinamento foram usados para treinar o
modelo.
Responda
1. No.
2. Yes.
3. No.

máquina no Azure
Explicação
<box 1>:No
O conjunto de dados de validação é diferente do conjunto de dados de

teste que é retido no treinamento do modelo.
<box 2>:Yes
Um conjunto de dados de validação é uma amostra de dados que é
usada para fornecer uma estimativa da habilidade do modelo ao
ajustar os hiperparâmetros do modelo.
<box 3>:No
O conjunto de dados de teste, não o conjunto de validação, usado para

isso. O conjunto de dados de teste é uma amostra de dados usada para
fornecer uma avaliação imparcial de um modelo final ajustado no
conjunto de dados de treinamento.
Referência
 Qual é a diferença entre conjuntos de dados de teste e

validação?
Pergunta 49
Pergunta
Quais são as duas métricas que você pode usar para avaliar um modelo
de regressão?
A.coeficiente de determinação (R2)
B.Pontuação F1
C.erro quadrático médio (RMSE)

D.área sob a curva (AUC)
E.precisão equilibrada
Responda
A, C.

máquina no Azure
Explicação
A: R-quadrado (R2), ou Coeficiente de determinação representa o

poder preditivo do modelo como um valor entre -inf e 1,00. 1,00
significa que há um ajuste perfeito, e o ajuste pode ser arbitrariamente
ruim, de modo que as pontuações podem ser negativas.
C: Perda RMS ou Erro Quadrado Médio Médio (RMSE) (também

chamado Desvio Quadrado Médio Médio, RMSD), mede a diferença
entre os valores previstos por um modelo e os valores observados do
ambiente que está sendo modelado.
B: O escore F1 também conhecido como escore F balanceado ou F-

measure é usado para avaliar um modelo de classificação.
D: aucROC ou área sob a curva (AUC) é usado para avaliar um modelo
de classificação.
Referência
 Avalie seu modelo ML.NET com métricas (9 minutos para

ler)
Pergunta 50
Instrução

resposta.
Pergunta
Prever quantos veículos atravessarão uma ponte em um determinado

dia é um exemplo de<box 1>
 classification.
 clustering.
 regression.
Responda
regression.

máquina no Azure
Explicação

Referência

para ler)
Pergunta 51
Instrução
Para responder, arraste os módulos apropriados para os locais

corretos. Cada módulo pode ser usado uma vez, mais de uma vez ou
não.
Pergunta
Você precisa usar o designer do Azure Machine Learning para criar um

modelo que preveja os preços dos automóveis.
Que tipo de módulos você deve usar para completar o modelo?

Responda
máquina no Azure
Explicação
<box 1>:Select Columns in Dataset
Para Colunas a serem limpas, escolha as colunas que contêm os valores

ausentes que você deseja alterar. Você pode escolher várias colunas,
mas deve usar o mesmo método de substituição em todas as colunas
selecionadas.
Exemplo:
<box 2>:Split data
A divisão de dados é uma tarefa comum no aprendizado de

máquina. Você dividirá seus dados em dois conjuntos de dados
separados. Um conjunto de dados treinará o modelo e o outro testará o
desempenho do modelo.
<box 3>:Linear regression

Como você deseja prever o preço, que é um número, pode usar um
algoritmo de regressão. Para este exemplo, você usa um modelo de
regressão linear.
Referência
 Tutorial: Designer — treine um modelo de regressão sem

código (12 minutos para ler)
Pergunta 52
Pergunta
Que tipo de aprendizado de máquina você deve usar para identificar

grupos de pessoas com hábitos de compra semelhantes?
A.classificação
B.regressão
C.agrupamento
Responda
C.

máquina no Azure
Explicação
O clustering é uma tarefa de aprendizado de máquina usada para

agrupar instâncias de dados em clusters que contêm características
semelhantes. O clustering também pode ser usado para identificar
relacionamentos em um conjunto de dados.
Referência

para ler)
Pergunta 53
Instrução

resposta.
Pergunta
<box 1>modelos podem ser usados para prever o preço de venda de

itens leiloados.
 Classification
 Clustering
 Regression
Responda
Regression

máquina no Azure
Explicação

Referência

para ler)
Pergunta 54
Pergunta
Qual métrica você pode usar para avaliar um modelo de classificação?
A.taxa de verdadeiro positivo
B.erro absoluto médio (MAE)

C.coeficiente de determinação (R2)
D.erro quadrático médio (RMSE)
Responda
A.

máquina no Azure
Explicação
Como é um bom modelo?
Uma curva ROC que se aproxima do canto superior esquerdo com

100% de taxa de verdadeiros positivos e 0% de taxa de falsos positivos
será o melhor modelo. Um modelo aleatório seria exibido como uma
linha plana do canto inferior esquerdo ao canto superior direito. Pior
do que aleatório seria mergulhar abaixo da linha y = x .
Referência
 Avalie os resultados do experimento automatizado de

aprendizado de máquina (24 minutos para ler)
Pergunta 55
Pergunta
Quais dois componentes você pode arrastar para uma tela no designer
do Azure Machine Learning?
A.conjunto de dados
B.calcular
C.encanamento
D.módulo
Responda
A, D.

máquina no Azure
Explicação
Você pode arrastar e soltar conjuntos de dados e módulos na tela.
Referência
 O que é o designer do Azure Machine Learning? (4 minutos

para ler)
Pergunta 56
Pergunta
Você precisa criar um conjunto de dados de treinamento e um

conjunto de dados de validação de um conjunto de dados existente.
Qual módulo no designer do Azure Machine Learning você deve usar?
A.Selecionar colunas no conjunto de dados
B.Adicionar linhas
C.Dados divididos
D.Dados de junção
Responda
C.

máquina no Azure
Explicação
Uma maneira comum de avaliar um modelo é dividir os dados em um
conjunto de treinamento e teste usando Dividir Dados e, em seguida,
validar o modelo nos dados de treinamento.
Use o módulo Dividir Dados para dividir um conjunto de dados em

dois conjuntos distintos.
Atualmente, o estúdio oferece suporte a divisões de dados de

treinamento/validação.
Referência
 Configure treinamento, validação, validação cruzada e dados

de teste em aprendizado de máquina automatizado (8
minutos para leitura)
Pergunta 57
Instrução
Combine os tipos de aprendizado de máquina com os cenários

apropriados. Cada tipo de aprendizado de máquina pode ser usado
uma vez, mais de uma vez ou não ser usado.
Pergunta
Tipos de Aprendizagem:
 Classification
 Clustering
 Regression
Cenários:
1. Preveja quantos minutos de atraso um voo chegará com base

na quantidade de neve em um aeroporto.
2. Segmente os clientes em diferentes grupos para dar suporte a

um departamento de marketing.
3. Prever se um aluno concluirá um curso universitário.
Responda
1. Regression:preveja quantos minutos de atraso um voo

chegará com base na quantidade de neve em um aeroporto.
2. Clustering:Segmente os clientes em diferentes grupos para

dar suporte a um departamento de marketing.
3. Classification: Prever se um aluno concluirá um curso

universitário.
Explicação
<box 1>:Regression

numérico.
dependente.

<box 2>:Clustering
Clustering, no aprendizado de máquina, é um método de agrupar

pontos de dados em clusters semelhantes. Também é chamado de
segmentação.
Ao longo dos anos, muitos algoritmos de agrupamento foram

desenvolvidos. Quase todos os algoritmos de agrupamento usam os
recursos de itens individuais para encontrar itens semelhantes. Por
exemplo, você pode aplicar o agrupamento para encontrar pessoas
semelhantes por dados demográficos. Você pode usar o agrupamento
com análise de texto para agrupar frases com tópicos ou sentimentos
semelhantes.
<box 3>:Classification

Referência
Pergunta 58
Instrução

resposta.
Pergunta
<box 1>é a probabilidade calculada de uma classificação correta da

imagem.
 Accuracy
 Confidence
 Root Mean Square Error
 Sentiment
Responda
Accuracy
máquina no Azure
Referência
 Guia de início rápido: crie um classificador com o site Custom

Vision (6 minutos para ler)
Pergunta 59
Instrução

resposta.
Pergunta
Garantir que um sistema de IA não forneça uma previsão quando

campos importantes contêm valores incomuns ou ausentes é <box 1>o
princípio da IA responsável.
 an inclusiveness
 a privacy and security
 a reliability and safety
 a transparency
Responda
a reliability and safety

máquina no Azure
Referência
Pergunta 60
Instrução

resposta.
Pergunta
Garantir que as variáveis numéricas nos dados de treinamento estejam

em uma escala semelhante é um exemplo de<box 1>
 data ingestion.
 feature engineering.
 feature selection.
 model training.
Responda
feature selection.

máquina no Azure
Pergunta 61
Instrução

resposta.
Pergunta
Atribuir classes a imagens antes de treinar um modelo de classificação

é um exemplo de<box 1>
 evaluation.
 feature engineering.
 hyperparameter tuning.
 labeling.
Responda
labeling.

máquina no Azure
Referência
 Rotulagem de imagens e documentos de texto (10 minutos

para ler)
Pergunta 62
Pergunta
Sua empresa quer construir uma máquina de reciclagem de garrafas. A

máquina de reciclagem deve identificar automaticamente as garrafas
da forma correta e rejeitar todos os outros itens.
Que tipo de carga de trabalho de IA a empresa deve usar?
A.detecção de anomalia
B.IA conversacional
C.visão computacional
D.processamento de linguagem natural

Responda
C.
Seção: Descrever recursos de cargas de trabalho de visão

computacional no Azure
Explicação
O serviço de Visão Computacional do Azure oferece acesso a

algoritmos avançados que processam imagens e retornam informações
com base nos recursos visuais nos quais você está interessado. Por
exemplo, a Visão Computacional pode determinar se uma imagem
contém conteúdo adulto, localizar marcas ou objetos específicos ou
localizar rostos.
Referência
 O que é Visão Computacional? (2 minutos para ler)
Pergunta 63
Instrução

Pergunta
1. Ao criar um modelo de detecção de objetos no serviço Custom
Vision, você deve escolher um tipo de
classificação Multilabel ou Multiclass .
2. Você pode criar um modelo de detecção de objetos no serviço

Visão Personalizada para localizar o local do conteúdo em
uma imagem.
3. Ao criar um modelo de detecção de objetos no serviço Visão

Personalizada, você pode selecionar um conjunto de domínios
predefinidos.
Responda
1. No.
2. Yes.
3. Yes.

Referência
 Guia de início rápido: crie um detector de objetos com o site

do Custom Vision (6 minutos para ler)
Pergunta 64
Pergunta
Em quais dois cenários você pode usar o serviço Form Recognizer?
A.Extraia o número da fatura de uma fatura.
B.Traduzir um formulário do francês para o inglês.
C.Encontre a imagem do produto em um catálogo.
D.Identifique o varejista a partir de um recibo.
Responda
A, D.

Referência
Pergunta 65
Instrução

Pergunta
Você tem um banco de dados que contém uma lista de funcionários e

suas fotos.
Você está marcando novas fotos dos funcionários.
1. O serviço Face pode ser usado para realizar o reconhecimento

facial para funcionários.
2. O serviço Face será mais preciso se você fornecer mais fotos

de amostra de cada funcionário de diferentes ângulos.
3. Se um funcionário estiver usando óculos escuros, o serviço

Face sempre não reconhecerá o funcionário.
Responda
1. Yes.
2. Yes.
3. No.

Referência
 Detecção de rosto e atributos (6 minutos para ler)

Pergunta 66
Pergunta
Você precisa desenvolver um aplicativo móvel para que os funcionários

digitalizem e armazenem suas despesas durante a viagem.
Que tipo de visão computacional você deve usar?
A.segmentação semântica
B.classificação de imagem
C.detecção de objetos
D.reconhecimento óptico de caracteres (OCR)
Responda
D.

Explicação
A API de Visão Computacional do Azure inclui recursos de

reconhecimento óptico de caracteres (OCR) que extraem texto
impresso ou manuscrito de imagens. Você pode extrair texto de
imagens, como fotos de placas ou contêineres com números de série,
bem como de documentos — faturas, contas, relatórios financeiros,
artigos e muito mais.
Referência
 O que é o reconhecimento óptico de caracteres? (3 minutos

para ler)
Pergunta 67
Instrução

Pergunta
1. O serviço Custom Vision pode ser usado para detectar objetos

em uma imagem.
2. O serviço de Visão Personalizada requer que você forneça seus

próprios dados para treinar o modelo.
3. O serviço Custom Vision pode ser usado para analisar

arquivos de vídeo.
Responda
1. Yes.
2. Yes.
3. No.
Explicação
<box 1>:Yes
A funcionalidade de Visão Personalizada pode ser dividida em dois

recursos. A classificação de imagem aplica um ou mais rótulos a uma
imagem. A detecção de objetos é semelhante, mas também retorna as
coordenadas na imagem onde os rótulos aplicados podem ser
encontrados.
<box 2>:Yes
O serviço Custom Vision usa um algoritmo de aprendizado de máquina

para analisar imagens. Você, o desenvolvedor, envia grupos de imagens
que apresentam e não possuem as características em questão. Você
mesmo rotula as imagens no momento do envio. Em seguida, o
algoritmo treina para esses dados e calcula sua própria precisão
testando-se nessas mesmas imagens.
<box 3>:No
O serviço Custom Vision pode ser usado apenas em arquivos gráficos.
Referência
Pergunta 68
Pergunta
Você está processando fotos de corredores em uma corrida.
Você precisa ler os números nas camisas dos corredores para

identificar os corredores nas fotos.
A.reconhecimento facial
B.reconhecimento óptico de caracteres (OCR)
C.segmentação semântica
D.detecção de objetos
Responda
B.

Explicação
O reconhecimento óptico de caracteres (OCR) permite extrair texto

impresso ou manuscrito de imagens e documentos.
Referência

para ler)
Pergunta 69
Instrução
Combine os tipos de aprendizado de máquina com os cenários

apropriados. Cada tipo de aprendizado de máquina pode ser usado
Pergunta
Tipos de aprendizado de máquina:
 Facial detection
 Facial recognition
 Image classification
 Object detection
 Optical character recognition (OCR)

 Semantic segmentation
Cenários:
1. Imagens separadas de ursos polares e ursos marrons.
2. Determine a localização de um urso em uma foto.
3. Determine quais pixels em uma imagem fazem parte de um

urso.
Responda
1. Image classification: imagens separadas de ursos polares e

ursos marrons.
2. Object detection: Determine a localização de um urso em uma

foto.
3. Semantic segmentation:
determine quais pixels em uma
imagem fazem parte de um urso.
Explicação
<box 1>:Image classification
A classificação de imagens é um problema de aprendizado

supervisionado: defina um conjunto de classes de destino (objetos a
serem identificados em imagens) e treine um modelo para reconhecê-
los usando fotos de exemplo rotuladas.
<box 2>:Object detection
A detecção de objetos é um problema de visão computacional. Embora

intimamente relacionada à classificação de imagens, a detecção de
objetos realiza a classificação de imagens em uma escala mais
granular. A detecção de objetos localiza e categoriza entidades nas
imagens.
<box 3>:Semantic Segmentation
A segmentação semântica alcança inferências refinadas fazendo

previsões densas inferindo rótulos para cada pixel, de modo que cada
pixel seja rotulado com a classe de sua região de minério de objeto
envolvente.
Referência
 Prática de ML: Classificação de imagens
 Tutorial: Detectar sinais de parada em imagens com o Model

Builder (10 minutos para ler)
 Como fazer segmentação semântica usando aprendizado

profundo
Pergunta 70
Pergunta
Você usa drones para identificar onde as ervas daninhas crescem entre
as fileiras de cultivos para enviar uma instrução para a remoção das
ervas daninhas.
Este é um exemplo de qual tipo de visão computacional?
A.detecção de objetos
B.reconhecimento óptico de caracteres (OCR)
C.segmentação de cena
Responda
A.

Explicação
A detecção de objetos é semelhante à marcação, mas a API retorna as

coordenadas da caixa delimitadora para cada tag aplicada. Por
exemplo, se uma imagem contiver um cachorro, gato e pessoa, a
operação Detetar listará esses objetos junto com suas coordenadas na
imagem.
B: O reconhecimento óptico de caracteres (OCR) permite extrair texto
impresso ou manuscrito de imagens e documentos.
C: a segmentação de cena determina quando uma cena muda no vídeo

com base em dicas visuais. Uma cena retrata um único evento e é
composta por uma série de planos consecutivos, que estão
semanticamente relacionados.
Referência
 Visão geral do modelo de detecção de objetos (2 minutos para

ler)

para ler)
 O que é o Video Analyzer for Media? (10 minutos para ler)
Pergunta 71
Instrução
Combine as tarefas de reconhecimento facial com as perguntas

apropriadas. Cada tarefa pode ser usada uma vez, mais de uma vez
ou não.
Pergunta
Tarefas:
 grouping
 identification
 similarity
 verification
Perguntas:
1. Duas imagens de um rosto pertencem à mesma pessoa?
2. Essa pessoa se parece com outras pessoas?
3. Todos os rostos pertencem um ao outro?
4. Quem é essa pessoa neste grupo de pessoas?
Responda
1. verification: Duas imagens de um rosto pertencem à mesma

pessoa?
2. similarity: Essa pessoa se parece com outras pessoas?
3. grouping: Todos os rostos pertencem um ao outro?
4. identification: Quem é essa pessoa neste grupo de pessoas?
Explicação
<box 1>:verification
Verificação de rosto: verifique a probabilidade de dois rostos
pertencerem à mesma pessoa e receba uma pontuação de confiança.
<box 2>:similarity
<box 3>:grouping
<box 4>:identification
Detecção de rosto: detecte um ou mais rostos humanos juntamente

com atributos como: idade, emoção, pose, sorriso e pelos faciais,
incluindo 27 pontos de referência para cada rosto na imagem.
Referência
 API de rosto
Pergunta 72
Instrução
Combine os tipos de cargas de trabalho de visão computacional aos

cenários apropriados. Cada tipo de carga de trabalho pode ser usado
Pergunta
Tipos de cargas de trabalho:

 Facial recognition
 Image classification
 Object detection
 Optical character recognition (OCR)
Cenários:
1. Identifique celebridades em imagens
2. Extraia nomes de títulos de filmes de imagens de pôsteres de

filmes.
3. Localize veículos nas imagens.
Responda
1. Facial recognition: Identifique celebridades em imagens
2. Optical character recognition (OCR): Extraia nomes de títulos

de filmes de imagens de pôsteres de filmes.
3. Object detection: Localize veículos nas imagens.

Explicação
<box 1>:Facial recognition

Detecção de rosto que percebe rostos e atributos em uma
imagem; identificação de pessoa que corresponda a um indivíduo em
seu repositório privado de até 1 milhão de pessoas; reconhecimento de
emoção percebida que detecta uma série de expressões faciais como
felicidade, desprezo, neutralidade e medo; e reconhecimento e
agrupamento de rostos semelhantes em imagens.
<box 2>:OCR
<box 3>:Objection detection

coordenadas da caixa delimitadora (em pixels) para cada objeto
encontrado. Por exemplo, se uma imagem contiver um cachorro, gato e
pessoa, a operação Detetar listará esses objetos junto com suas
coordenadas na imagem. Você pode usar essa funcionalidade para
processar os relacionamentos entre os objetos em uma
imagem. Também permite determinar se há várias instâncias da
mesma tag em uma imagem.
A API Detect aplica tags com base nos objetos ou seres vivos
identificados na imagem. Atualmente, não há relação formal entre a
taxonomia de marcação e a taxonomia de detecção de objetos. Em um
nível conceitual, a API Detect só encontra objetos e seres vivos,
enquanto a API Tag também pode incluir termos contextuais como
“indoor”, que não podem ser localizados com caixas delimitadoras.
Referência
 API de rosto
Pergunta 73
Pergunta
Você precisa determinar a localização dos carros em uma imagem para

poder estimar a distância entre os carros.
A.reconhecimento óptico de caracteres (OCR)
B.detecção de objetos
C.classificação de imagem
D.detecção de rosto
Responda
B.

Explicação

Referência
Pergunta 74
Instrução

resposta.
Pergunta
Você pode usar o <box 1>serviço para treinar um modelo de detecção

de objetos usando suas próprias imagens.
 Computer Vision
 Custom Vision
 Form Recognizer
 Video Indexer
Responda
Custom Vision

Explicação
A Visão Personalizada do Azure é um serviço cognitivo que permite

criar, implantar e melhorar seus próprios classificadores de
imagem. Um classificador de imagens é um serviço de IA que aplica
rótulos (que representam classes) às imagens, de acordo com suas
características visuais. Ao contrário do serviço Computer Vision, o
Custom Vision permite especificar os rótulos a serem aplicados.
Observação: o serviço Custom Vision usa um algoritmo de aprendizado
de máquina para aplicar rótulos a imagens. Você, o desenvolvedor,
deve enviar grupos de imagens que apresentam e não possuem as
características em questão. Você mesmo rotula as imagens no
momento do envio. Em seguida, o algoritmo treina para esses dados e
calcula sua própria precisão testando-se nessas mesmas
imagens. Depois que o algoritmo é treinado, você pode testar, treinar
novamente e, eventualmente, usá-lo para classificar novas imagens de
acordo com as necessidades do seu aplicativo. Você também pode
exportar o próprio modelo para uso offline.
Computer Vision:
O serviço de Visão Computacional do Azure fornece aos

desenvolvedores acesso a algoritmos avançados que processam
imagens e retornam informações com base nos recursos visuais nos
quais você está interessado. Por exemplo, a Visão Computacional pode
determinar se uma imagem contém conteúdo adulto, localizar marcas
ou objetos específicos ou localizar rostos humanos.
Referência
Pergunta 75
Pergunta
Você envia uma imagem para uma API de Visão Computacional e

recebe de volta a imagem anotada mostrada na exposição.
Que tipo de visão computacional foi usada?
A.detecção de objetos
B.segmentação semântica
C.reconhecimento óptico de caracteres (OCR)
D.classificação de imagem
Responda
A.
Explicação

Referência
Pergunta 76
Pergunta
Quais são as duas tarefas que podem ser executadas usando o serviço
de Pesquisa Visual Computacional?
A.Treine um modelo de classificação de imagem personalizado.
B.Detectar rostos em uma imagem.
C.Reconhecer texto manuscrito.
D.Traduza o texto em uma imagem entre idiomas.
Responda
B, C.

Explicação
B: o serviço de Visão Computacional do Azure fornece aos

desenvolvedores acesso a algoritmos avançados que processam
imagens e retornam informações com base nos recursos visuais nos
quais você está interessado. Por exemplo, a Visão Computacional pode
determinar se uma imagem contém conteúdo adulto, encontrar marcas
ou objetos específicos ou encontrar rostos humanos.
C: A Visão Computacional inclui recursos de Reconhecimento Óptico
de Caracteres (OCR). Você pode usar a nova API de leitura para extrair
texto impresso e manuscrito de imagens e documentos.
Referência
Pergunta 77
Pergunta
O que é um caso de uso para classificação?
A.prever quantas xícaras de café uma pessoa vai beber com base em
quantas horas a pessoa dormiu na noite anterior.
B.analisando o conteúdo de imagens e agrupando imagens com cores

semelhantes
C.prever se alguém usa uma bicicleta para viajar para o trabalho com
base na distância de casa ao trabalho
D.prever quantos minutos levará para alguém correr uma corrida com
base nos tempos de corrida anteriores
Responda
C.

Explicação

A: Esta é a regressão.
B: Este é o agrupamento.
D: Esta é a regressão.
Referência
 Componente de regressão linear (6 minutos para ler)
 Módulos de cluster (2 minutos para ler)
Pergunta 78
Pergunta
Quais são as duas tarefas que podem ser executadas usando a visão
computacional?
A.Preveja os preços das ações.
B.Detectar marcas em uma imagem.
C.Detectar o esquema de cores em uma imagem
D.Traduzir texto entre idiomas.
E.Extraia frases-chave.
Responda
B, C.

Explicação
B: identifique marcas comerciais em imagens ou vídeos de um banco de

dados de milhares de logotipos globais. Você pode usar esse recurso,
por exemplo, para descobrir quais marcas são mais populares nas
mídias sociais ou mais prevalentes na veiculação de produtos de mídia.
C: analisa o uso de cores em uma imagem. A Visão Computacional pode
determinar se uma imagem é preto e branco ou colorida e, para
imagens coloridas, identificar as cores dominantes e de destaque.
Referência
Pergunta 79
Pergunta
Você precisa criar uma solução de marcação de imagens para mídias

sociais que marque imagens de seus amigos automaticamente.
Qual serviço de Serviços Cognitivos do Azure você deve usar?
A.Enfrentar
B.Reconhecedor de formulários
C.Análise de texto
D.Visão Computacional
Responda
A.
Referência
 Chame a API de detecção (3 minutos para ler)
Pergunta 80
Pergunta
Em quais dois cenários você pode usar o serviço Form Recognizer?
A.Identifique o varejista a partir de um recibo
B.Traduzir do francês para o inglês
C.Extrair o número da fatura de uma fatura
D.Encontrar imagens de produtos em um catálogo
Responda
A, C.
Pergunta 81
Pergunta
Você está desenvolvendo uma solução que usa o serviço Text Analytics.
Você precisa identificar os principais pontos de discussão em uma

coleção de documentos.
Que tipo de processamento de linguagem natural você deve usar?
A.reconhecimento de entidade
B.extração de frase-chave
C.análise de sentimentos
D.detecção de idioma
Responda
B.
Seção: Descrever recursos de cargas de trabalho de processamento

de linguagem natural (NLP) no Azure
Explicação
Extração de entidade ampla: Identifique conceitos importantes no

texto, incluindo os principais
Extração de frase-chave/Extração de entidade ampla: Identifique
conceitos importantes no texto, incluindo frases-chave e entidades
nomeadas, como pessoas, lugares e organizações.
Referência

Pergunta 82
Pergunta
Em quais dois cenários você pode usar o reconhecimento de fala?
A.um sistema no carro que lê mensagens de texto em voz alta
B.fornecer legendas para vídeos gravados ou ao vivo
C.criando um sistema automatizado de endereço público para uma

estação de trem
D.criar uma transcrição de uma chamada telefônica ou reunião
Responda
B, D.
Referência
 Fala para texto
Pergunta 83
Instrução

resposta.
Pergunta
Durante a apresentação em uma conferência, sua sessão é transcrita

em legendas para o público. Este é um exemplo de<box 1>
 sentiment analysis.
 speech recognition.
 speech synthesis.
 translation.
Responda
speech recognition.

Referência
 Fala para texto
Pergunta 84
Pergunta
Você precisa criar um aplicativo que leia as instruções da receita em

voz alta para dar suporte aos usuários com visão reduzida.
Qual serviço de versão você deve usar?
A.Análise de texto
B.Tradutor
C.Fala
D.Compreensão da linguagem (LUIS)
Responda
C.

Referência
 Texto para fala
Pergunta 85
Instrução

Pergunta
1. Você pode usar o serviço de Fala para transcrever uma

chamada para texto.
2. Você pode usar o serviço Text Analytics para extrair

entidades-chave de uma transcrição de chamada.
3. Você pode usar o serviço de Fala para traduzir o áudio de uma

chamada para um idioma diferente.
Responda
1. Yes.
2. Yes.
3. Yes.

Referência
 O que é o Serviço Cognitivo do Azure para Idioma? (3

minutos para ler)
 Fala
Pergunta 86
Pergunta
Seu site tem um chatbot para auxiliar os clientes.
Você precisa detectar quando um cliente está chateado com base no

que o cliente digita no chatbot.
Que tipo de carga de trabalho de IA você deve usar?
A.detecção de anomalia
B.visão computacional
C.regressão
D.processamento de linguagem natural
Responda
D.

Explicação

Análise de sentimento é o processo de determinar se um pedaço de

escrita é positivo, negativo ou neutro.
Referência

Pergunta 87
Pergunta
Você planeja desenvolver um bot que permitirá que os usuários
consultem uma base de conhecimento usando processamento de
linguagem natural.
Quais dois serviços você deve incluir na solução?
A.Criador de QnA
B.Serviço de bot do Azure
C.Reconhecedor de formulários
D.Detector de anomalias
Responda
A, B.

Referência
 O que é o SDK do Bot Framework? (6 minutos para ler)
 Use os Serviços Cognitivos com processamento de linguagem

natural (NLP) para enriquecer as conversas do chat bot (4
minutos para ler)
Pergunta 88
Pergunta
Em quais dois cenários você pode usar uma solução de síntese de fala?
A.uma voz automatizada que lê de volta um número de cartão de

crédito inserido em um telefone usando um teclado numérico
B.gerar legendas ao vivo para uma transmissão de notícias
C.extrair frases-chave da gravação de áudio de uma reunião
D.um personagem de IA em um jogo de computador que fala

audivelmente com um jogador
Responda
A, D.

Explicação
O Azure Text to Speech é um recurso de serviço de fala que converte

texto em fala realista.
C: Extrair frases-chave não é síntese de fala.
Referência
 Texto para fala
Pergunta 89
Instrução

Pergunta
1. Você pode usar o serviço Tradutor para traduzir texto entre

idiomas.
2. Você pode usar o serviço Tradutor para detectar o idioma de

um determinado texto.
3. Você pode usar o serviço Tradutor para transcrever a fala

audível em texto.
Responda
1. Yes.
2. Yes.
3. No.

Explicação
O serviço de tradutor oferece suporte multilíngue para tradução de

texto, transliteração, detecção de idioma e dicionários.
Speech-to-Text, também conhecido como reconhecimento automático

de fala (ASR), é um recurso dos Serviços de Fala que fornece
transcrição.
Referência
 O que é Tradutor? (2 minutos para ler)
 Casos de uso para Speech-to-Text (8 minutos para ler)
Pergunta 90
Instrução
Para responder, arraste as tarefas apropriadas para os locais

corretos. Cada tarefa pode ser usada uma vez, mais de uma vez ou
não.
Pergunta
Você precisa verificar as notícias em busca de artigos sobre seus
clientes e alertar os funcionários quando houver um artigo
negativo. Artigos positivos devem ser adicionados a um livro de
imprensa.
Quais tarefas de processamento de linguagem natural você deve usar

para concluir o processo?
Responda

Explicação
<box 1>:Entity recognition
o módulo Reconhecimento de Entidade Nomeada no Machine

Learning Studio (clássico), para identificar os nomes das coisas, como
pessoas, empresas ou locais em uma coluna de texto.
O reconhecimento de entidade nomeada é uma importante área de

pesquisa em aprendizado de máquina e processamento de linguagem
natural (NLP), porque pode ser usado para responder a muitas
perguntas do mundo real, como:
 Quais empresas foram mencionadas em uma notícia?
 Um tweet contém o nome de uma pessoa? O tweet também

fornece sua localização atual?
 Os produtos especificados foram mencionados em

reclamações ou avaliações?
<box 2>:Sentiment Analysis
O recurso de análise de sentimentos da API Text Analytics fornece

duas maneiras de detectar sentimentos positivos e negativos. Se você
enviar uma solicitação de análise de sentimento, a API retornará
rótulos de sentimento (como “negativo”, “neutro” e “positivo”) e
pontuações de confiança no nível da frase e do documento.
Referência
 Reconhecimento de Entidade Nomeada (5 minutos para

leitura)
 O que é análise de sentimento e mineração de opinião no

Azure Cognitive Service for Language? (2 minutos para ler)
Pergunta 91
Pergunta
Você está construindo uma base de conhecimento usando o QnA

Maker.
Qual formato de arquivo você pode usar para preencher a base de

conhecimento?
A.PPTX
B.XML
C.fecho eclair
D.PDF
Responda
D.
Explicação
D: tipos de conteúdo de documentos que você pode adicionar a uma

base de conhecimento:
Os tipos de conteúdo incluem muitos documentos estruturados

padrão, como PDF, DOC e TXT.
Observação: a ferramenta suporta os seguintes formatos de arquivo

para ingestão:
 .tsv: QnA contido no formato Question(tab)Answer.
 .txt, .docx, .pdf: QnA contido como conteúdo regular de

perguntas frequentes — ou seja, uma sequência de perguntas
e respostas.
A: PPTX é o formato de arquivo de apresentação padrão para novas

apresentações do PowerPoint.
B: Não é possível ingerir o arquivo xml diretamente.
Referência
 Importando de fontes de dados (3 minutos para ler)
Pergunta 92
Pergunta
Em qual cenário você deve usar a extração de frase-chave?
A.identificar se as avaliações de um restaurante são positivas ou

negativas
B.gerar legendas para um vídeo com base na faixa de áudio
C.identificar quais documentos fornecem informações sobre os

mesmos tópicos
D.traduzindo um conjunto de documentos do inglês para o alemão
Responda
C.

Pergunta 93
Pergunta
Você tem relatórios de sinistros que são armazenados como texto.
Você precisa extrair termos-chave dos relatórios para gerar resumos.
Que tipo de carga de trabalho de IA você deve usar?
A.processamento de linguagem natural
B.IA conversacional
C.detecção de anomalia
D.visão computacional
Responda
A.

Referência

Pergunta 94
Instrução

resposta.
Pergunta
O processamento de linguagem natural pode ser usado para<box 1>
 classify email messages as work-related or personal.
 predict the number of future car rentals.
 predict which website visitors will make a transaction.
 stop a process in a factory when extremely high

temperatures are registered.
Responda
classify email messages as work-related or personal.

Explicação
Referência

Pergunta 95
Pergunta
Qual serviço de IA você pode usar para interpretar o significado de

uma entrada do usuário, como "Me ligue mais tarde?"
A.Tradutor
B.Análise de texto
C.Fala
Responda
D.
Explicação
O Language Understanding (LUIS) é um serviço de IA baseado em

nuvem, que aplica inteligência de aprendizado de máquina
personalizada ao texto conversacional e em linguagem natural de um
usuário para prever o significado geral e extrair informações relevantes
e detalhadas.
Referência
 O que é Compreensão da Linguagem (LUIS)? (2 minutos

para ler)
Pergunta 96
Pergunta
Você está desenvolvendo uma solução de chatbot no Azure.
Qual serviço você deve usar para determinar a intenção de um usuário?
A.Tradutor
B.Criador de QnA
C.Fala
Responda
D.

Explicação
O Language Understanding (LUIS) é um serviço de API baseado em

nuvem que aplica inteligência de aprendizado de máquina
personalizada ao texto conversacional em linguagem natural de um
usuário para prever o significado geral e extrair informações relevantes
e detalhadas.
Projete seu modelo LUIS com categorias de intenções do usuário

chamadas intenções. Cada intent precisa de exemplos de enunciados
do usuário. Cada enunciado pode fornecer dados que precisam ser
extraídos com entidades de aprendizado de máquina.
Referência
 O que é Compreensão da Linguagem (LUIS)? (2 minutos

para ler)
Pergunta 97
Pergunta
Você precisa disponibilizar os comunicados de imprensa escritos de

sua empresa em vários idiomas.
Qual serviço você deve usar?
A.Tradutor
B.Análise de texto
C.Fala
Responda
A.

Explicação
O Translator é um serviço de tradução automática baseado em nuvem

que você pode usar para traduzir texto quase em tempo real por meio
de uma simples chamada de API REST. O serviço usa tecnologia de
tradução automática neural moderna e oferece tecnologia de tradução
automática estatística. O Custom Translator é uma extensão do
Translator, que permite construir sistemas de tradução neural.
Referência
 Documentação do tradutor
Pergunta 98
Instrução

Pergunta
1. O serviço Text Analytics pode identificar em qual idioma o

texto é escrito.
2. O serviço Text Analytics pode detectar assinaturas

manuscritas em um documento.
3. O Text Analytics pode identificar empresas e organizações

mencionadas em um documento.
Responda
1. Yes.
2. No.
3. Yes.

Explicação
A API Text Analytics é um serviço baseado em nuvem que fornece

processamento avançado de linguagem natural sobre texto bruto e
inclui quatro funções principais: análise de sentimento, extração de
frase-chave, reconhecimento de entidade nomeada e detecção de
idioma.
<box 1>:Yes
Você pode detectar em qual idioma o texto de entrada está escrito e

relatar um único código de idioma para cada documento enviado na
solicitação em uma ampla variedade de idiomas, variantes, dialetos e
alguns idiomas regionais/culturais. O código do idioma é emparelhado
com uma pontuação que indica a força da pontuação.
<box 2>:No
<box 3>:Yes
Reconhecimento de entidade nomeada: identifique e categorize
entidades em seu texto como pessoas, lugares, organizações,
data/hora, quantidades, porcentagens, moedas e muito
mais. Entidades conhecidas também são reconhecidas e vinculadas a
mais informações na web.
Referência
 O que é o Serviço Cognitivo do Azure para Idioma? (3

minutos para ler)
Pergunta 99
Instrução
Combine os tipos de cargas de trabalho de processamento de

linguagens naturais aos cenários apropriados. Cada tipo de carga de
trabalho pode ser usado uma vez, mais de uma vez ou não ser usado.
Pergunta
 Entity recognition
 Key phrase extraction
 Language modeling
 Sentiment analysis
 Translation
 Speech recognition and speech synthesis
Cenários:
1. Extrai pessoas, locais e organizações do texto
2. Avalia o texto ao longo de uma escala positiva-negativa
3. Retorna o texto traduzido para o idioma de destino

especificado
Responda
1. Entity recognition: Extrai pessoas, locais e organizações do

texto
2. Sentiment analysis: avalia o texto em uma escala positiva-

negativa
3. Translation:Retorna o texto traduzido para o idioma de

destino especificado

Explicação
<box 1>:Entity recognition

O Reconhecimento de Entidade Nomeada (NER) é a capacidade de
identificar diferentes entidades no texto e categorizá-las em classes ou
tipos predefinidos, como: pessoa, local, evento, produto e organização.
<box 2>:Sentiment analysis

<box 3>:Translation
Usando a API de texto do tradutor da Microsoft
Essa API versátil da Microsoft pode ser usada para o seguinte:
 Traduzir texto de um idioma para outro.
 Transliterar texto de um script para outro.
 Detectando o idioma do texto de entrada.
 Encontre traduções alternativas para um texto específico.
 Determine o comprimento da frase.
Referência
 O que é o Reconhecimento de Entidade Nomeada (NER) no

Serviço Cognitivo do Azure para Idioma? (2 minutos para ler)
 Análise de texto
Pergunta 100
Instrução

Pergunta
1. Monitorar revisões de serviços online para profanidades é um

exemplo de processamento de linguagem natural.
2. Identificar logotipos de marcas em uma imagem é um

exemplo de processamento de linguagem natural.
3. Monitorar sites de notícias públicas para menções negativas

de um produto é um exemplo de processamento de linguagem
natural.
Responda
1. Yes.
2. No.
3. Yes.

Explicação
<box 1>:Yes
O Content Moderator faz parte dos Serviços Cognitivos da Microsoft,

permitindo que as empresas usem a moderação assistida por máquina
de texto, imagens e vídeos que aumentam a revisão humana.
O recurso de moderação de texto agora inclui um novo recurso de

classificação de texto baseado em aprendizado de máquina que usa um
modelo treinado para identificar possível linguagem abusiva,
depreciativa ou discriminatória, como gírias, palavras abreviadas,
ofensivas e palavras intencionalmente incorretas para revisão.
<box 2>:No
O serviço de Visão Computacional do Azure oferece acesso a

algoritmos avançados que processam imagens e retornam informações
com base nos recursos visuais nos quais você está interessado. Por
exemplo, a Visão Computacional pode determinar se uma imagem
contém conteúdo adulto, localizar marcas ou objetos específicos ou
localizar rostos.
<box 3>:Yes

Pergunta 101
Pergunta
Você está desenvolvendo uma solução de processamento de linguagem

natural no Azure. A solução analisará as avaliações dos clientes e
determinará o quão positiva ou negativa cada avaliação é.
Este é um exemplo de qual tipo de carga de trabalho de processamento

de linguagem natural?
A.detecção de idioma
B.análise de sentimentos
C.extração de frase-chave
D.reconhecimento de entidade
Responda
B.

Explicação

Referência

Pergunta 102
Pergunta
Você usa o processamento de linguagem natural para processar texto

de uma notícia da Microsoft.
Você recebe a saída mostrada na exposição a seguir.

Que tipo de processamento de linguagem natural foi realizado?
A.reconhecimento de entidade
B.extração de frase-chave
C.análise de sentimentos
D.tradução
Responda
A.

Explicação
O Reconhecimento de Entidade Nomeada (NER) é a capacidade de

identificar diferentes entidades no texto e categorizá-las em classes ou
tipos predefinidos, como: pessoa, local, evento, produto e organização.
Nesta questão, os colchetes indicam as entidades como DateTime,

PersonType, Skill.
Referência
 O que é o Reconhecimento de Entidade Nomeada (NER) no

Serviço Cognitivo do Azure para Idioma? (2 minutos para ler)
Pergunta 103
Instrução
Corresponda os recursos da API Text Analytics aos cenários de

processamento de linguagem natural apropriados. Cada recurso
pode ser usado uma vez, mais de uma vez ou não.
Pergunta
Você planeja aplicar os recursos da API Text Analytics a um sistema de

tíquetes de suporte técnico.
Recursos da API:
 Entity recognition
 Key phrase extraction
 Language detection
 Sentiment Analysis
Cenários de processamento de linguagem natural:
1. Entenda o quanto um cliente está chateado com base no texto

contido no ticket de suporte.
2. Resuma informações importantes do ticket de suporte.
3. Extraia as principais datas do ticket de suporte.
Responda
1. Sentiment Analysis:
entenda o quanto um cliente está
chateado com base no texto contido no ticket de suporte.
2. Key phrase extraction: resumir informações importantes do

ticket de suporte.
3. Entity recognition: Extraia as datas-chave do ticket de

suporte.

Explicação
<box 1>:Sentiment analysis

<box 2>:Broad entity extraction
Extração de entidade ampla: Identifique conceitos importantes no

texto, incluindo os principais
Extração de frase-chave/Extração de entidade ampla: Identifique

conceitos importantes no texto, incluindo frases-chave e entidades
nomeadas, como pessoas, lugares e organizações.
<box 3>:Entity Recognition
Reconhecimento de entidade nomeada: identifique e categorize

entidades em seu texto como pessoas, lugares, organizações,
data/hora, quantidades, porcentagens, moedas e muito
mais. Entidades conhecidas também são reconhecidas e vinculadas a
mais informações na web.
Referência

 Análise de texto
Pergunta 104
Pergunta
Você está criando um aplicativo Language Understanding (LUIS) para

oferecer suporte a um festival de música.
Você quer que os usuários possam fazer perguntas sobre shows

agendados, como: “Qual ato está tocando no palco principal?”
A pergunta “Qual ato está tocando no palco principal?” é um exemplo

de qual tipo de elemento?
A.uma intenção
B.um enunciado
C.um domínio
D.uma entidade
Responda
B.

Explicação
Os enunciados são entradas do usuário que seu aplicativo precisa

interpretar.
Referência
 Entenda quais são os bons enunciados para o seu aplicativo

LUIS (5 minutos para ler)
Pergunta 105
Pergunta
Você cria um bot do QnA Maker usando uma página de perguntas

frequentes (FAQ).
Você precisa adicionar saudações profissionais e outras respostas para

tornar o bot mais amigável.
O que você deveria fazer?
A.Aumente o limite de confiança das respostas
B.Ative o aprendizado ativo
C.Crie perguntas de várias voltas
D.Adicionar bate-papo
Responda
D.

Referência
 Adicionar bate-papo a uma base de conhecimento (2 minutos

para ler)
Pergunta 106
Pergunta
Você precisa desenvolver um chatbot para um site. O chatbot deve

responder às perguntas dos usuários com base nas informações
contidas nos seguintes documentos:
 Um guia de solução de problemas do produto em um

documento do Microsoft Word
 Uma lista de perguntas frequentes (FAQ) em uma página da

web
Qual serviço você deve usar para processar os documentos?
A.Serviço de bot do Azure

B.Compreensão do idioma
C.Análise de texto
D.Criador de QnA
Responda
D.

Referência
 O que é o QnA Maker? (4 minutos para ler)
Pergunta 107
Pergunta
Você está construindo um modelo de compreensão de linguagem para

um negócio de comércio eletrônico.
Você precisa garantir que o modelo detecte quando os enunciados

estão fora do escopo pretendido do modelo.
O que você deveria fazer?

A.Teste o modelo usando novos enunciados
B.Adicionar enunciados ao intent Nenhum
C.Criar uma entidade de tarefa pré-criada
D.Criar um novo modelo
Responda
B.

Explicação
A intenção Nenhum é preenchida com enunciados que estão fora do

seu domínio.
Referência
 Intents em seu aplicativo LUIS (4 minutos para ler)
Pergunta 108
Pergunta
Você tem um bot de webchat que fornece respostas de uma base de
conhecimento do QnA Maker.
Você precisa garantir que o bot use o feedback do usuário para

melhorar a relevância das respostas ao longo do tempo.
O que você deve usar?
A.extração de frase-chave
B.análise de sentimentos
C.logíca de negócios
D.aprendizado ativo
Responda
D.
Seção: Descrever recursos de cargas de trabalho de IA de

conversação no Azure
Referência
 Aceite as perguntas sugeridas de aprendizado ativo na base de

conhecimento (7 minutos para ler)
Pergunta 109
Pergunta
Você está desenvolvendo uma solução de IA conversacional que se

comunicará com os usuários por meio de vários canais, incluindo
email, Microsoft Teams e webchat.
A.Análise de texto
B.Serviço de bot do Azure
C.Tradutor
D.Reconhecedor de formulários
Responda
B.

Referência

Pergunta 110
Instrução

Pergunta
1. Um bot que responde a consultas de usuários internos é um

exemplo de carga de trabalho de IA conversacional.
2. Um aplicativo que exibe imagens relacionadas a um termo de

pesquisa inserido é um exemplo de carga de trabalho de IA
conversacional.
3. Um formulário da web usado para enviar uma solicitação para

redefinir uma senha é um exemplo de carga de trabalho de IA
conversacional.
Responda
1. Yes.
2. No.
3. Yes.

Referência
Pergunta 111
Pergunta
Você precisa fornecer conteúdo para um chatbot comercial que ajude a

responder a consultas simples de usuários.
Quais são as três maneiras de criar texto de perguntas e respostas

usando o QnA Maker?
A.Gere as perguntas e respostas de uma página da Web existente.
B.Use o aprendizado de máquina automatizado para treinar um

modelo com base em um arquivo que contém as perguntas.
C.Insira manualmente as perguntas e respostas.
D.Conecte o bot ao canal da Cortana e faça perguntas usando a

Cortana.
E.Importe conteúdo de bate-papo de uma fonte de dados predefinida.
Responda
A, C, E.
Explicação
Extração automática
Extraia pares de perguntas e respostas de conteúdo semiestruturado,

incluindo páginas de perguntas frequentes, sites de suporte, arquivos
do Excel, documentos do SharePoint, manuais de produtos e políticas.
Referência
 Documentação do QnA Maker
Pergunta 112
Pergunta
Você tem um arquivo PDF de perguntas frequentes (FAQ).
Você precisa criar um sistema de suporte conversacional baseado no

FAQ.
A.Criador de QnA
B.Análise de texto
C.Visão Computacional
Responda
A.

Explicação
O QnA Maker é um serviço de API baseado em nuvem que permite

criar uma camada conversacional de perguntas e respostas sobre seus
dados existentes. Use-o para construir uma base de conhecimento
extraindo perguntas e respostas de seu conteúdo semiestruturado,
incluindo perguntas frequentes, manuais e documentos.
Referência
 Resposta a perguntas
Pergunta 113
Pergunta
Você precisa reduzir a carga das operadoras de telefonia
implementando um chatbot para responder perguntas simples com
respostas predefinidas.
Quais dois serviços de IA você deve usar para atingir a meta?
A.Análise de texto
B.Criador de QnA
C.Serviço de bot do Azure
D.Tradutor
Responda
B, C.

Explicação
Os bots são uma maneira popular de fornecer suporte por meio de

vários canais de comunicação. Você pode usar o serviço QnA Maker e o
Azure Bot Service para criar um bot que responda às perguntas do
usuário.
Referência
 Crie um bot com o Language Service e o Azure Bot Service (29

minutos para ler)
Pergunta 114
Pergunta
Quais dois cenários são exemplos de uma carga de trabalho de IA

conversacional?
A.um dispositivo inteligente em casa que responde a perguntas como

"Como estará o tempo hoje?"
B.um site que usa uma base de conhecimento para responder

interativamente às perguntas dos usuários
C.máquinas de linha de montagem que inserem faróis de forma

autônoma em carros
D.monitorar a temperatura do maquinário para ligar um ventilador

quando a temperatura atingir um limite específico
Responda
A, B.
Pergunta 115
Pergunta
Você tem o processo mostrado na exposição a seguir.
Que tipo de solução de IA é mostrada no diagrama?
A.uma solução de análise de sentimentos
B.um chatbot
C.um modelo de aprendizado de máquina
D.um aplicativo de visão computacional

Responda
B.

Pergunta 116
Pergunta
Você precisa desenvolver uma solução de IA baseada na Web para um

sistema de suporte ao cliente. Os usuários devem poder interagir com
um aplicativo da Web que os guiará para o melhor recurso ou resposta.
A.Visão personalizada
B.Criador de QnA
C.Texto do tradutor
D.Enfrentar
Responda
B.
Explicação
O QnA Maker é um serviço de API baseado em nuvem que permite

criar uma camada conversacional de perguntas e respostas sobre seus
dados existentes. Use-o para construir uma base de conhecimento
extraindo perguntas e respostas de seu conteúdo semiestruturado,
incluindo perguntas frequentes, manuais e documentos. Responda às
perguntas dos usuários com as melhores respostas dos QnAs em sua
base de conhecimento — automaticamente. Sua base de conhecimento
também fica mais inteligente, pois aprende continuamente com o
comportamento do usuário.
A: a Visão Personalizada do Azure é um serviço cognitivo que permite

criar, implantar e melhorar seus próprios classificadores de
imagem. Um classificador de imagens é um serviço de IA que aplica
rótulos (que representam classes) às imagens, de acordo com suas
características visuais. Ao contrário do serviço Computer Vision, o
Custom Vision permite especificar os rótulos a serem aplicados.
D: API de detecção de rosto dos serviços cognitivos do Azure: no

mínimo, cada rosto detectado corresponde a um campo faceRectangle
na resposta. Este conjunto de coordenadas de pixel para a esquerda,
parte superior, largura e altura marcam a face localizada. Usando essas
coordenadas, você pode obter a localização do rosto e seu tamanho. Na
resposta da API, os rostos são listados em ordem de tamanho do maior
para o menor.
Referência
 Resposta a perguntas
Pergunta 117
Pergunta
Qual serviço de IA você deve usar para criar um bot a partir de um

documento de perguntas frequentes (FAQ)?
A.Criador de QnA
B.Compreensão da linguagem (LUIS)
C.Análise de texto
D.Fala
Responda
A.
Pergunta 118
Instrução

resposta.
Pergunta
A resposta interativa de perguntas inseridas por um usuário como

parte de um aplicativo é um exemplo de<box 1>
 anomaly detection.
 computer vision.
 conversational AI.
 forecasting.
Responda
conversational AI.
Explicação
Com as ferramentas de IA de conversação da Microsoft, os

desenvolvedores podem criar, conectar, implantar e gerenciar bots
inteligentes que interagem naturalmente com seus usuários em um
site, aplicativo, Cortana, Microsoft Teams, Skype, Facebook
Messenger, Slack e muito mais.
Referência
 As ferramentas de IA de conversação da Microsoft permitem

que os desenvolvedores criem, conectem e gerenciem bots
inteligentes
Pergunta 119
Pergunta
Qual cenário é um exemplo de um bot de webchat?
A.Determine se as avaliações inseridas em um site para um show são

positivas ou negativas e, em seguida, adicione um emoji de positivo ou
negativo às avaliações.
B.Traduza para o inglês as perguntas inseridas pelos clientes em um
quiosque para que a pessoa apropriada possa ligar de volta para os
clientes.
C.Aceite perguntas por e-mail e encaminhe as mensagens de e-mail

para a pessoa correta com base no conteúdo da mensagem.
D.A partir de uma interface de site, responda a perguntas comuns

sobre eventos programados e compras de ingressos para um festival de
música.
Responda
D.

Pergunta 120
Instrução

Pergunta
1. Você pode usar o QnA Maker para consultar um banco de
dados SQL do Azure.
2. Você deve usar o QnA Maker quando quiser que uma base de
conhecimento forneça a mesma resposta a diferentes usuários
que enviam perguntas semelhantes.
3. O serviço QnA Maker pode determinar a intenção de um

enunciado do usuário.
Responda
1. No.
2. Yes.
3. No.
Pergunta 121
Instrução

Pergunta
1. Você pode se comunicar com um bot usando e-mail.

2. Você pode se comunicar com um bot usando o Microsoft
Teams.
3. Você pode se comunicar com um bot usando uma interface de
webchat.
Responda
1. Yes.
2. Yes.
3. Yes.

Referência
 Configure um bot para ser executado em um ou mais

canais (4 minutos para leitura)
Pergunta 122
Instrução

Pergunta
1. Um restaurante pode usar um chatbot para capacitar os

clientes a fazer reservas usando um site ou um aplicativo.
2. Um restaurante pode usar um chatbot para responder a
perguntas sobre o horário de funcionamento de uma página
da web.
3. Um restaurante pode usar um chatbot para automatizar as
respostas às avaliações dos clientes em um site externo.
Responda
1. Yes.
2. Yes.
3. Yes.

Referência
Pergunta 123
Pergunta
Quais dois cenários são exemplos de uma carga de trabalho de IA

conversacional?
A.um serviço de atendimento telefônico que possui uma mensagem

pré-gravadora
B.um chatbot que fornece aos usuários a capacidade de encontrar
respostas em um site por conta própria
C.menus de voz do telefone para reduzir a carga de recursos humanos
D.um serviço que cria documentos de perguntas frequentes (FAQ)

rastreando sites públicos
Responda
B, C.

Explicação
B: um bot é um programa de software automatizado projetado para

executar uma tarefa específica. Pense nisso como um robô sem corpo.
C: A interação automatizada com o cliente é essencial para uma

empresa de qualquer tamanho. De fato, 61% dos consumidores
preferem se comunicar por meio da fala e a maioria prefere o
autoatendimento. Como a satisfação do cliente é uma prioridade para
todas as empresas, o autoatendimento é uma faceta crítica de qualquer
estratégia de comunicação voltada para o cliente.
D: os primeiros bots eram comparativamente simples, lidando com
tarefas repetitivas e volumosas com lógica algorítmica relativamente
direta. Um exemplo seriam os rastreadores da web usados pelos
mecanismos de pesquisa para explorar e catalogar automaticamente o
conteúdo da web.
Referência
 Arquitetura de inteligência artificial (15 minutos para ler)

 Aplicativo de resposta de voz interativo com bot
Pergunta 124
Instrução

Pergunta
1. O Serviço de Bot do Azure e os Serviços Cognitivos do Azure

podem ser integrados.
2. O Serviço de Bot do Azure interage com os clientes de maneira
conversacional.
3. O Serviço de Bot do Azure pode importar perguntas
frequentes (FAQ) para conjuntos de perguntas e respostas.
Responda
1. Yes.
2. Yes.
3. No.

Explicação
<box 1>:Yes
O serviço de bot do Azure pode ser integrado aos poderosos recursos

de IA com os Serviços Cognitivos do Azure.
<box 2>:Yes
O serviço de bot do Azure interage com os clientes de maneira

conversacional.
<box 3>:No
O serviço QnA Maker cria uma base de conhecimento, não conjuntos

de perguntas e respostas.
Observação: você pode usar o serviço QnA Maker e uma base de

conhecimento para adicionar suporte de perguntas e respostas ao seu
bot. Quando você cria sua base de conhecimento, você a semeia com
perguntas e respostas.
Referência
 Tutorial: Use o QnA Maker em seu bot para responder

perguntas (10 minutos para ler)
Pergunta 125
Instrução

Pergunta
1. Um bot de webchat pode interagir com usuários que visitam

um site.
2. A geração automática de legendas para vídeos pré-gravados é
um exemplo de IA conversacional.
3. Um dispositivo inteligente em casa que responde a perguntas
como “Como estará o tempo hoje?” é um exemplo de IA
conversacional.
Responda
1. Yes.
2. No.
3. Yes.


Al 900

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Al 900

Enviado por

Direitos autorais:

Formatos disponíveis

Questão 1

Uma empresa emprega uma equipe de agentes de atendimento ao

Qual benefício comercial a empresa deve esperar como resultado da

B.uma carga de trabalho reduzida para os agentes de atendimento ao

C.confiabilidade aprimorada do produto

Seção: Descrever cargas de trabalho e considerações de Inteligência

Para um progresso de aprendizado de máquina, como você deve dividir

A.Use recursos para treinamento e rótulos para avaliação.

B.Divida aleatoriamente os dados em linhas para treinamento e linhas

C.Use rótulos para treinamento e recursos para avaliação.

D.Divida aleatoriamente os dados em colunas para treinamento e

Seção: Descrever cargas de trabalho e considerações de Inteligência

O módulo Dividir dados é particularmente útil quando você precisa

 Dados divididos (5 minutos para ler)

Selecione a opção de resposta que completa cada afirmação com base

Você está desenvolvendo um modelo para prever eventos usando

Área de resposta para <box 1>:

Existem <box 2>falsos negativos.

Área de resposta para <box 2>:

Existem 11positivos corretamente previstos.

Existem 1,033falsos negativos.

Seção: Descrever cargas de trabalho e considerações de Inteligência

 Avalie o desempenho do modelo no Machine Learning Studio

Você cria um modelo de aprendizado de máquina usando a interface de

A.Defina o tipo de validação como Automático.

C.Defina a métrica primária para precisão.

D.Defina o máximo de iterações simultâneas como 0.

Seção: Descrever cargas de trabalho e considerações de Inteligência

Habilidade de Explicação do Modelo.

A maioria das empresas funciona com base na confiança e a

 Novos recursos de machine learning automatizados no serviço

Para cada uma das seguintes afirmações, selecione Sim se a

1. A previsão de preços de imóveis com base em dados históricos

2. Identificar entradas suspeitas procurando desvios dos padrões

3. Prever se um paciente desenvolverá diabetes com base no

A detecção de anomalias engloba muitas tarefas importantes no

 Identificar transações potencialmente fraudulentas.

 Padrões de aprendizagem que indicam que ocorreu uma

 Encontrar grupos anormais de pacientes.

 Verificando valores inseridos em um sistema.

 Detecção de anomalias (2 minutos para ler)

Para completar a frase, selecione a opção apropriada na área de

Área de resposta para <box 1>:

 privacy and security

 reliability and safety

reliability and safety

Seção: Descrever cargas de trabalho e considerações de Inteligência

Os sistemas de IA precisam ser confiáveis e seguros para serem

O desempenho de um sistema de IA pode diminuir com o tempo,

 IA responsável e confiável (8 minutos para ler)

Combine os tipos de cargas de trabalho de IA aos cenários

Tipos de carga de trabalho:

 Natural language processing

1. Um chat automatizado para tirar dúvidas sobre reembolsos e

2. Determinando se uma foto contém uma pessoa

3. Determinando se uma avaliação é positiva ou negativa

1. Conversational AI:Um chat automatizado para tirar dúvidas

2. Computer vision: Determinando se uma foto contém uma

3. Natural language processing: Determinar se uma avaliação é

Seção: Descrever cargas de trabalho e considerações de Inteligência

O processamento de linguagem natural (NLP) é usado para tarefas

 Escolha uma tecnologia de processamento de linguagem

Você está projetando um sistema de IA que capacita a todos, incluindo