AI900
問題一覧
1
キーフレーズ抽出
2
OnA Maker, Azure Bot Service
3
感情分析
4
会話型AI
5
Natural Language Processesing(NLP)
6
質問と回答を手動で入力します。, 既存のWebページから質問と回答を生成します。, 事前定義されたデータソースからチットチャットコンテンツをインポートします。
7
物体検出
8
自動機械学習(AutoML)
9
モデル評価
10
キーフレーズ抽出
11
モジュール, データセット
12
分類
13
ロジスティク回帰
14
光学式文字認識
15
テキスト翻訳
16
フェイスサービスの動作検出
17
感情分析
18
回帰
19
説明責任
20
分類
21
感情分析
22
画像内のブランド検出, 画像内の配色の検出
23
物体検出
24
包括性
25
コンピュータービジョン
26
27
OnAMaker, Azure Bot Service
28
ニ値分類
29
クレジットローン申請の結果の説明を提供することは、透明性の例です。
30
Custom Visioncomputer vision
31
購入した商品に対する質問をウェブサイトで行うと自動で回答を返却する。, 「今日の天気を教えて」などの質問に答える家庭内のスマートデバイス
32
キーフレーズの抽出
33
回帰
34
既存のドキュメントファイルを新しいナレッジベースにインポートする
35
公平性と包括性
36
ラベル付けは、トレーニングデータに既知の値のタグを付けるプロセスです。
37
手書きのテキストを認識します。, 画像内の顔を検出します。
38
Text to Speech
39
同じトピックに関する情報を提供するドキュメントを特定する
40
データの分割
41
画像分類
42
言語理解(LUIS)
43
学習用の画像を追加する
44
画像内のブランドを検出します。, 画像の配色を検出する
45
回帰
46
透明性
47
クラスタリング
48
音声認識
49
翻訳サービスを使用して、言語間でテキストを翻訳できます, 翻訳サービスを使用して、指定されたテキストの言語を検出できます
50
安全性と信頼性
51
自動機械学習は、指定された指標によってスコアリングおよびランク付けされる複数のトレーニング反復を実行することで機能します。, 自動機械学習は、機械学習モデル開発の時間のかかる反復タスクを自動化するプロセスです。
52
キーフレーズ抽出
53
Text to Speech
54
データの正規化
55
OnAMaker
56
ナチュラルランゲージ
57
距離
58
プライバシーとセキュリティ
59
ホテル予約用のチャットボット
60
コンピュータービジョン
61
画像内の各物体のクラスラベル、スコア、バウンディングボックス
62
回帰
63
物体検出
64
電子メールメッセージを仕事関連と個人用とで分類する
65
信頼性と安全性
66
開発者が問題を特定し、解決するために役立つドキュメントを提供する
67
OnAMaker
68
分類
69
オブジェクト検出モデルは、画像内のコンテンツの場所を見つけることができます, オブジェクト検出モデルは、事前定義されたドメインのセットから選択できます
70
会話型AI
71
Form Recognizer
72
データセットの準備⇒データセットの分割⇒モデルの学習⇒モデルの推論⇒モデルの評価
73
電話または会議の記録を作成する
74
感情分析
75
エンティティの認識
76
信頼性と安全性
77
Form Recognizer
78
カスタムビジョンサービスを利用するには、異常な画像を自動的に検出することができます, カスタムビジョンサービスを活用することにより、画像内に埋め込まれた複数のオブジェクトを検出することができます
79
Azure Kubernetes Service(AKS)
80
再現率
81
Twitterに当社のネガティブな評価がないかを監視するのは、自然言語処理の例です。, テキストデータをトピックごとに分類する処理は、自然言語処理の例です
82
Azule Machine Learning
83
光学式文字認識
84
あなたの会社の従業員の写真を、様々な角度から撮影して多く提供するとフェースサービスがより正確に従業員を認識できるようになる, フェイスサービスは、似たような顔の特徴を持つすべての従業員をグループ化するために使用できます
85
顔認識技術を利用して、スマートフォンのロック解除が可能です, 音声サービスを使用して、通話の音声を別の言語に翻訳できます, 音声サービスを使用して、通話をテキストに書き写すことができます, テキスト分析サービスを使用して、自社製品やサービスについてソーシャルメディア上でのユーザーの反応を分析することができます
86
自然言語処理
87
LUIS
88
自宅から職場までの距離に基づいて、誰が自転車で出勤するかを予測する
89
テキスト分析サービスは、ドキュメントに記載されている企業や組織を特定できます, テキスト分析サービスは、テキストがどの言語で書かれているかを識別できます
90
LUIS
91
最適なモデルの説明を有効にします
92
回帰
93
データの分割
94
請求書から請求書番号を抽出します, 領収書から小売り業者を特定します
95
RESTエンドポイント, 認証キー
96
携帯電話から入力されたクレジットカード番号を読み上げる自動音声, 自動音声システムを構築し顧客が問い合わせに、自動で回答を返す
97
自然言語処理
98
公平性, 包括性, 信頼性と安全性
問題一覧
1
キーフレーズ抽出
2
OnA Maker, Azure Bot Service
3
感情分析
4
会話型AI
5
Natural Language Processesing(NLP)
6
質問と回答を手動で入力します。, 既存のWebページから質問と回答を生成します。, 事前定義されたデータソースからチットチャットコンテンツをインポートします。
7
物体検出
8
自動機械学習(AutoML)
9
モデル評価
10
キーフレーズ抽出
11
モジュール, データセット
12
分類
13
ロジスティク回帰
14
光学式文字認識
15
テキスト翻訳
16
フェイスサービスの動作検出
17
感情分析
18
回帰
19
説明責任
20
分類
21
感情分析
22
画像内のブランド検出, 画像内の配色の検出
23
物体検出
24
包括性
25
コンピュータービジョン
26
27
OnAMaker, Azure Bot Service
28
ニ値分類
29
クレジットローン申請の結果の説明を提供することは、透明性の例です。
30
Custom Visioncomputer vision
31
購入した商品に対する質問をウェブサイトで行うと自動で回答を返却する。, 「今日の天気を教えて」などの質問に答える家庭内のスマートデバイス
32
キーフレーズの抽出
33
回帰
34
既存のドキュメントファイルを新しいナレッジベースにインポートする
35
公平性と包括性
36
ラベル付けは、トレーニングデータに既知の値のタグを付けるプロセスです。
37
手書きのテキストを認識します。, 画像内の顔を検出します。
38
Text to Speech
39
同じトピックに関する情報を提供するドキュメントを特定する
40
データの分割
41
画像分類
42
言語理解(LUIS)
43
学習用の画像を追加する
44
画像内のブランドを検出します。, 画像の配色を検出する
45
回帰
46
透明性
47
クラスタリング
48
音声認識
49
翻訳サービスを使用して、言語間でテキストを翻訳できます, 翻訳サービスを使用して、指定されたテキストの言語を検出できます
50
安全性と信頼性
51
自動機械学習は、指定された指標によってスコアリングおよびランク付けされる複数のトレーニング反復を実行することで機能します。, 自動機械学習は、機械学習モデル開発の時間のかかる反復タスクを自動化するプロセスです。
52
キーフレーズ抽出
53
Text to Speech
54
データの正規化
55
OnAMaker
56
ナチュラルランゲージ
57
距離
58
プライバシーとセキュリティ
59
ホテル予約用のチャットボット
60
コンピュータービジョン
61
画像内の各物体のクラスラベル、スコア、バウンディングボックス
62
回帰
63
物体検出
64
電子メールメッセージを仕事関連と個人用とで分類する
65
信頼性と安全性
66
開発者が問題を特定し、解決するために役立つドキュメントを提供する
67
OnAMaker
68
分類
69
オブジェクト検出モデルは、画像内のコンテンツの場所を見つけることができます, オブジェクト検出モデルは、事前定義されたドメインのセットから選択できます
70
会話型AI
71
Form Recognizer
72
データセットの準備⇒データセットの分割⇒モデルの学習⇒モデルの推論⇒モデルの評価
73
電話または会議の記録を作成する
74
感情分析
75
エンティティの認識
76
信頼性と安全性
77
Form Recognizer
78
カスタムビジョンサービスを利用するには、異常な画像を自動的に検出することができます, カスタムビジョンサービスを活用することにより、画像内に埋め込まれた複数のオブジェクトを検出することができます
79
Azure Kubernetes Service(AKS)
80
再現率
81
Twitterに当社のネガティブな評価がないかを監視するのは、自然言語処理の例です。, テキストデータをトピックごとに分類する処理は、自然言語処理の例です
82
Azule Machine Learning
83
光学式文字認識
84
あなたの会社の従業員の写真を、様々な角度から撮影して多く提供するとフェースサービスがより正確に従業員を認識できるようになる, フェイスサービスは、似たような顔の特徴を持つすべての従業員をグループ化するために使用できます
85
顔認識技術を利用して、スマートフォンのロック解除が可能です, 音声サービスを使用して、通話の音声を別の言語に翻訳できます, 音声サービスを使用して、通話をテキストに書き写すことができます, テキスト分析サービスを使用して、自社製品やサービスについてソーシャルメディア上でのユーザーの反応を分析することができます
86
自然言語処理
87
LUIS
88
自宅から職場までの距離に基づいて、誰が自転車で出勤するかを予測する
89
テキスト分析サービスは、ドキュメントに記載されている企業や組織を特定できます, テキスト分析サービスは、テキストがどの言語で書かれているかを識別できます
90
LUIS
91
最適なモデルの説明を有効にします
92
回帰
93
データの分割
94
請求書から請求書番号を抽出します, 領収書から小売り業者を特定します
95
RESTエンドポイント, 認証キー
96
携帯電話から入力されたクレジットカード番号を読み上げる自動音声, 自動音声システムを構築し顧客が問い合わせに、自動で回答を返す
97
自然言語処理
98
公平性, 包括性, 信頼性と安全性