AI 900 | 모의고사 오답노트

To complete the sentence, select the appropriate option in the answer area.
When developing an AI system for self-driving cars, the Microsoft (Blank) for responsible AI should be applied to ensure consistent operation system during unexpected circumstances.

내가 고른 답: accountability
정답: reliability and safety

AI 시스템의 예상치 못한 상황에서의 일관된 동작에 관한 언급이 나오면 reliability and safety를 기억하자!

For each of the following statements, select Yes if the statement is True.
An AI solution that is offered at different prices for different sales territories is an example of the Microsoft inclusiveness principle for responsible AI.

내가 고른 답: True
정답: False

가격 차별은 Inclusiveness와 연관성이 없다. Inclusiveness는 접근성 향상과 사용자의 다양성을 포용하는 데 초점이 맞춰져 있다.

Match the principles of responsible AI to appropriate requirements.
Automated decision-making processes must be recorded so that approved users can identify why a decision was made.

내가 고른 답: Reliability and safety
정답: Transparency

Transparency는 자동화된 의사결정 프로세스가 명확히 기록되고, 승인된 사용자가 결정의 근거를 추적할 수 있도록 보장하는 것을 의미한다.

여기서 추가로 알게 된 것. 나는 모든 사용자가 결정의 근거를 알 수 있게 해야 한다고 생각해서 좀 별로라고 생각했는데, 승인된 사용자였음. ㅎ 역시나.

For each of the following statements, select Yes if the statement is true.

• Automated machine learning can automatically infer the training data from the use case provided.
• Automated machine learning enables you to specify a dataset and will automatically understand which label to predict.

내가 고른 답: 둘 다 True
정답: 둘 다 False

1. AutoML은 사용 사례에서 자동으로 학습 데이터를 추론하지 않는다. 사용자가 명시적으로 데이터를 제공해야 한다.
2. AutoML은 제공된 데이터셋을 기반으로 분석하지만, 예측할 라벨(label) 또한 사용자가 명시적으로 제공해야 한다.

결론적으로, AutoML은 일부 작업을 자동화하지만, 초기 데이터 준비 및 설정은 사용자의 역할인 것!

For each of the following statements, select Yes if the statement is true.

• Automated machine learning provides you with the ability to visually connect datasets and modules on an interactive canvas.
• Automated machine learning implements machine learning solutions without the need for programming experience.

내가 고른 답: 둘 다 False
정답: 둘 다 True

1. AutoML은 인터랙티브 캔버스를 통해 데이터셋과 모듈을 시각적으로 연결할 수 있는 기능을 제공한다. (GUI 기반 워크플로우)
2. AutoML은 프로그래밍 경험이 없는 사용자도 머신러닝 솔루션을 구현할 수 있도록 설계되었다.

기억할 것! AutoML은 사용자 친화적인 접근 방식을 강조한다.

Which two languages can you use to write custom code for Azure Machine Learning designer?

내가 고른 답: Scala, Python
정답: Python, R

Azure Machine Learning Designer에서 사용자 정의 코드를 작성하려면 Python 또는 R 언어를 사용할 수 있다.

이 두 가지는 데이터 분석 및 머신러닝 작업에서 주로 사용되는 언어라고.

For each of the following statements, select Yes if the statement is true.

• When creating an object detection model in the Custom Vision service, you can select from a set of predefined domains.
• When creating an object detection model in the Custom Vision service, you must choose a classification type of either Multilabel or Multiclass.
• You can create an object detection model in the Custom Vision service to find the location of content within an image.

내가 고른 답: False, Ture, False
정답: True, False, True (어떻게 다 틀릴 수가 🥲)

1. Custom Vision 서비스에서 사전 정의된 도메인을 선택할 수 있다.
2. Object detection은 Classification과 다름. Multilabel 또는 Multiclass는 분류 모델에만 적용된다. Object detection 모델에서는 이미지에서 객체의 위치와 경계 상자를 식별한다.
3. Object detection 모델은 이미지 내의 특정 콘텐츠 위치를 찾고 경계 상자를 생성한다.

Object detection은 객체의 위치를 예측하는 데 초점이 있으며, Classification과는 다른 작업임을 기억할 것!

For each of the following statements, select Yes if the statement is true.
The Custom Vision service can be used to analyse video files.

내가 고른 답: True
정답: False

Custom Vision 서비스는 이미지 데이터를 학습하고 분석하는 데 사용되며, 비디오 파일 분석은 지원하지 않는다.
Custom Vision은 객체 감지, 이미지 분류 등 이미지 기반 작업에 최적화되어 있다.

그렇게 하고도 Computer Vision이랑 헷갈려버림..

You need to build an image tagging solution for social media that tags images of your friends automatically. Which Azure Cognitive Services service should you use?

내가 고른 답: Computer Vision
정답: Face

이미지에서 친구의 얼굴을 자동으로 태깅하려면 Azure Face 서비스를 사용해야 한다.

• Face 서비스는 얼굴 감지, 얼굴 인식, 그리고 특정 얼굴을 식별하는 기능을 제공한다.
• Computer Vision은 일반적인 이미지 분석에 사용되며, 특정 얼굴 인식에 적합하지 않다.

Face 서비스는 정확한 얼굴 태깅 솔루션을 구현하는 데 최적!

In which two scenarios can you use speech recognition?
a. creating a transcript of telephone call or meeting
b. providing closed captions for recorded or live videos
c. creating an automated public address system for a train station
d. an in-car system that reads text messages aloud

내가 고른 답: a,d
정답: a,b

1. Speech recognition은 전화 통화나 회의 내용을 자동으로 텍스트로 변환(transcript) 할 수 있다.
2. Speech recognition은 녹화된 비디오 또는 실시간 비디오에 자막을 제공하는 데 사용 가능하다.
3. In-car 시스템에서 텍스트 메시지를 소리 내어 읽는 것은 음성 합성(Text-to-Speech)에 해당한다.

Speech recognition은 주로 음성을 텍스트로 변환하는 작업에 사용된다.

For each of the following statements, select Yes if the statement is true.
You can use the Speech service to translate the audio of a call to a different language.

내가 고른 답: False
정답: True

Azure Speech Service는 통화 오디오를 다른 언어로 번역할 수 있는 기능을 제공한다.

• 이 서비스는 Speech-to-Text와 Translation을 결합하여 오디오를 텍스트로 변환한 후, 다른 언어로 번역한다.
• 필요 시, 번역된 텍스트를 다시 음성으로 합성(Text-to-Speech)할 수도 있다.

For each of the following statements, select Yes if the statement is true.
You can use the Translator service to detect the language of a given text.

내가 고른 답: False
정답: True

Azure Translator Service는 텍스트의 언어를 자동으로 감지할 수 있다.

• 이 기능은 입력된 텍스트가 어떤 언어인지 식별한 후, 원하는 언어로 번역하는 데 사용된다.
• 감지된 언어 정보는 API 응답에 포함되어 반환된다.

Translator는 다국어 콘텐츠 작업을 위한 기본적인 언어 감지 기능을 제공한다.

For each of the following statements, select Yes if the statement is true.
The Text Analytics service can detect handwritten signatures in a document.

내가 고른 답: True
정답: False

• Text Analytics 서비스는 텍스트 데이터의 감정 분석, 키워드 추출, 언어 감지, 엔터티 인식 등을 수행하지만 손글씨나 서명 인식은 지원하지 않는다.
• 손글씨 서명 인식으로는 Azure Form Recogniser 또는 OCR을 사용하는 Computer Vision 서비스가 적합하다.

Text Analytics는 텍스트 중심의 데이터 분석 작업에 사용되며, 이미지나 서명 인식은 다른 서비스로 처리해야 한다.

You are authoring a Language Understanding (LUIS) application to support a music festival. You want users to be able to ask questions about scheduled shows, such as: 'Which act is playing on the main stage?' The question 'Which act is playing on the main stage?' is an example of which type of element?

내가 고른 답: an entity
정답: an utterance

• Utterance는 사용자가 AI에게 입력하는 구체적인 질문 또는 문장을 의미한다.
• 'Which act is playing on the main stage?'는 사용자가 입력한 문자으로, LUIS에서 intent를 감지하기 위해 분석되는 데이터이다.
• Entity는 문장에서 특정 데이터를 추출하기 위한 요소이다. (ex: main stage)

You need to develop a chatbot for a website. The chatbot must answer users' questions based on the information in the following documents:

• A product troubleshooting guide in a Microsoft Word document
• A frequently asked questions (FAQ) list on a webpage
  Which service should you use to process the documents?

내가 고른 답: Text Analytics
정답: QnA Maker (이걸 틀리다니 아마도 집중력이 떨어진 게 아닐까)

• QnA Maker는 FAQ, 문서, 웹페이지의 정보를 활용하여 Q&A 기반 지식 베이스를 생성하는 데 최적화된 서비스이다.
• 주어진 조건에서 제품 문제 해결 가이드와 FAQ 웹페이지의 정보를 처리하고 사용자 질문에 답변하도록 하는 데 적합하다.
• Text Analytics는 텍스트 분석에 사용되며 Q&A 생성 기능은 없다.

문서 정보를 활용한 Q&A 솔루션을 구축하려면 QnA Maker가 가장 적합하다.

You are building a Language Understanding model for an e-commerce business. You need to ensure that the model detects when utterances are outside the intended scope of the model. What should you do?

내가 고른 답: Test the model by using new utterances
정답: Add utterances to the None intent

• None Intent는 모델의 범위를 벗어난 utterance를 처리하기 위해 사용된다.
• None Intent에 다양한 비관련 utterance를 추가하면, 모델이 유효한 intent와 무관한 utterance를 구별할 수 있다.
• 테스트는 모델 성능 평가에 사용되지만, None Intent를 개선하지는 않는다.

None Intent에 적절한 발화를 추가하여 모델이 범위 밖의 질문을 올바르게 처리하도록 보장해야 한다.

You have an AI solution that provides users with the ability to control smart devices by using verbal commands. Which two types of natural language processing (NLP) workloads does the solution use?

내가 고른 답: speech-to-text, text-to-speech
정답: key phrase extraction, speech-to-text

잘 이해가 안돼서 멘토님들께 질문 중
사용자 발화의 요점을 파악하기 위해 key phrase 추출이 필요하다고 한다!

For each of the following statements, select Yes if the statement is true.
The Language service can detect handwritten signatures in a document.

내가 고른 답: True
정답: False

• Language Service는 텍스트 분석과 관련된 작업을 수행하지만, 손글씨 서명 감지는 지원하지 않는다.
• 손글씨 서명 인식에는 Azure Form Recogniser 또는 Computer Vision 서비스를 사용해야 한다.

Language Service는 주로 텍스트 기반 데이터 분석 작업에 적합하다. (아까도 비슷한 문제 틀렸어서 시험에 나오면 이제 안틀릴 것 같다)

You have a webchat bot that provides responses from a QnA Maker knowledge base. You need to ensure that the bot uses user feedback to improve the relevance of the responses over time. What should you use?

내가 고른 답: sentiment analysis
정답: active learning

• Active Learning은 QnA Maker가 사용자 피드백을 기반으로 지식 베이스를 개선하도록 돕는 기능이다.
• 사용자의 질문과 피드백 데이터를 분석하여, 관련성이 낮은 Q&A 쌍을 식별하고 이를 검토하여 정확도를 높일 수 있다.
• Sentiment analysis는 텍스트의 감정을 분석하는 기능으로, QnA Maker의 답변 개선과 직접적인 연관은 없다.

QnA Maker에서 사용자 피드백을 활용해 답변의 적절성을 향상하려면 Active Learning을 사용해야 한다. (사용자 피드백만 보고 sentiment analysis 고른 사람 나야 나..)

You need to provide content for a business chatbot that will help answer simple user queries. What are three ways to create question and answer text by using QnA Maker?
a. Import chit-chat content from a predefined data source.
b. Use automated machine learning to train a model based on a file that contains the questions.
c. Generate the questions and answers from an existing webpage.
d. Connect the bot to the Cortana channel and ask questions by using Cortana.
e. Manually enter the questions and answers.

내가 고른 답: a,b,c
정답: a,c,e

• QnA Maker는 사전 정의된 소스를 가져와 간단한 대화 응답을 생성할 수 있다.
• QnA Maker는 기존 웹페이지의 콘텐츠를 기반으로 Q&A를 자동 생성할 수 있다. 이는 이미 작성된 FAQ 페이지에서 데이터를 가져올 때 유용하다.
• QnA Maker 포털에서 질문과 답변을 수동으로 입력하여 콘텐츠를 직접 생성 가능하다. 사용자가 콘텐츠를 세부적으로 조정할 수 있다.
• QnA Maker는 자동화된 머신러닝을 사용하여 파일을 학습하지 않는다. 대신 기존 데이터를 기반으로 간단히 Q&A를 생성한다.

QnA Maker에서 콘텐츠를 생성하려면 사전 정의된 데이터 가져오기, 웹페이지에서 생성, 또는 수동 입력을 활용해야 한다.

Which two scenarios are examples of a conversational AI workload?
a. a telephone answering service that has a pre-recorder message
b. telephone voice menus to reduce the load on human resources
c. a chatbot that provides users with the ability to find answers on a website by themselves
d. a service that creates frequently asked questions (FAQ) documents by crawling public websites

내가 고른 답: c,d
정답: b,c

• 음성 메뉴는 사용자가 선택하거나 질문을 통해 대화형 상호작용을 진행하도록 설계된 AI 시스템으로, Conversational AI의 예이다.
• 챗봇은 사용자가 질문하고 응답받는 대화형 상호작용을 제공하며, Conversational AI의 대표적인 사례이다.
• FAQ 문서를 생성하는 것은 콘텐츠 작성에 해당하며, 사용자와의 대화형 상호작용이 없으므로 Conversational AI에 해당하지 않는다.

Conversational AI는 사용자가 음성 또는 텍스트로 상호작용할 수 있는 시스템에 적용된다.

For each of the following statements, select Yes if the statment is true.
Azure Bot Service can import frequently asked questions (FAQ) to question and answer sets.

내가 고른 답: True
정답: False

• Azure Bot Service 자체는 FAQ 데이터를 직접적으로 가져오는 기능을 제공하지 않는다.
• FAQ 데이터 가져오기는 QnA Maker를 통해 수행되며, QnA Maker는 FAQ 문서를 분석하여 질문과 답변 세트를 생성한다.
• Azure Bot Service는 생성된 QnA Maker 지식 베이스를 사용하여 챗봇을 구축하고 배포한다.

FAQ를 질문과 답변 세트로 가져오는 작업은 QnA Maker에서 수행되며, Azure Bot Service는 이를 활용하는 플랫폼이다.

Match the services to the appropriate descriptions.
(Blank) enables the use of natural language to query a knowledge base.

내가 고른 답: Language Service
정답: Azure Bot Service

이것도 납득이 되지 않아서 물어보는 중
강사님도 내가 고른 답이 더 정확해보인다고 하신다.
그치만 강사님도 출제자가 아니라서 그냥 일단 시험용으로 외워두는 게 좋아보인다고,, 하하

You are developing a system to predict the prices of insurance for drivers in the United Kingdom. You need to minimise bias in the system. What should you do?
a. Remove information about protected characteristics from the data before sampling.
b. Take a training sample that is representative of the population in the United Kingdom.
c. Create a training dataset that uses data from global insurers.
d. Take a completely random training sample.

내가 고른 답: d
정답: b

sample that is representative

• 데이터를 수집할 때, 영국 인구를 정확히 반영한 대표적인 샘플을 사용해야만 bias를 줄일 수 있다.

• 다양한 연령, 성별, 지역, 직업 등 다양한 특성을 균형 있게 포함하는 것이 중요하다.

• 완전히 무작위 샘플은 영국 인구를 제대로 반영하지 못할 가능성이 높으며, 특정 그룹이 과소 또는 과대 대표될 수 있다.

• 편향을 최소화하려면 영국 인구를 대표하는 훈련 샘플을 선택하는 것이 필수적이다.

• 이는 모델이 특정 그룹에 대해서 불공정하거나 부정확한 예측을 하지 않도록 보장한다.

In a machine learning model, the data is used as inputs are called (Blank).
Select the answer that correctly completes the sentence.

내가 고른 답: dataset
정답: variables

• 머신 러닝 모델에서 input은 보통 variables라고 불린다.
• 모델이 예측을 수행하기 위해 사용하는 feature 또는 attribute에 해당한다.
• 데이터셋은 전체 데이터 모음으로, 입력 데이터와 레이블이 모두 포함될 수 있다. input만을 가리키는 것은 아니다.

입력 데이터는 variables로 불리며, 이는 모델의 예측에 사용되는 특성을 나타낸다.

Select the answer that correctly completes the sentence.
Using Recency, Frequency, and Monetary (RFM) values to identify segments of a customer base in an example of (Blank).

내가 고른 답: Regularisation
정답: Clustering

• RFM 분석은 고객의 행동을 기준으로 세그먼트를 나누는 방법이다.
• 이러한 데이터를 바탕으로 비슷한 특성을 가진 고객을 clustering 기술로 그룹화한다.
• 클러스터링은 비지도 학습의 일종으로, 라벨 없이 데이터를 분석해 유사한 그룹을 만든다. RFM 값은 고객 데이터를 기반으로 비슷한 행동 패턴을 가진 그룹을 찾는 데 적합하며, 대표적인 클러스터링 사례이다.

RFM 값을 사용하여 고객을 세그먼트화하는 것은 클러스터링의 전형적인 예이다.

For each of the following statements, select Yes if the statement is true.
Organising documents into groups based on different usage statistics is an example of clustering.

내가 고른 답: False
정답: True

문서를 usage statistics에 따라 그룹으로 조직하는 작업은 clustering의 전형적인 예이다.

You need to track multiple versions of a model that was trained by using Azure Machine Learning. What should you do?

내가 고른 답: Provision an inference cluster
정답: Register the model

• Azure Machine Learning에서 모델 등록은 훈련된 모델을 중앙 집중화된 저장소에 저장하고 버전 관리를 활성화하는 핵심 단계이다.
• 등록된 모델은 버전 번호와 함께 저장되어, 여러 버전 간 비교와 관리를 용이하게 한다.
• 이를 통해 추적, 배포, 재사용이 간편해진다.
• 추론 클러스터는 모델을 배포하고 실시간 예측을 수행하기 위해 사용되며, 버전 관리와는 무관하다.

Azure Machine Learning에서 모델의 여러 버전을 추적하려면 Register the model을 수행해야 한다.

Select the answer that correctly completes the sentence.
An AI solution that helps photographers take better portrait photographs by providing feedback on exposure, noise, and occlusion in an example of facial (Blank).

내가 고른 답: analysis
정답: detection

• 사진에서 얼굴의 위치나 상태를 분석하고 피드백을 제공하는 것은 Facial Detection의 한 예이다.
• 이 작업은 얼굴의 기본적인 존재 여부와 관련된 분석이므로, Facial Recognition과는 다르다.

사진의 품질을 평가하기 위해 얼굴의 노출, 노이즈, 가림 등을 분석하는 AI 솔루션을 Facial Detection의 사례이다.

Your company manufactures widgets. You have 1,000 digital photos of the widgets. You need to identify the location of the widgets within the photos. What should you use?

내가 고른 답: Custom Vision classification
정답: Custom Vision object detection

• Custom Vision의 Object Detection 기능은 이미지 내에서 특정 객체의 위치와 경계 상자를 식별하는 데 사용된다.
• 이는 단순히 이미지 분류가 아닌, 이미지에서 객체의 정확한 위치를 알아내는 작업에 적합하다. (이제 위치 하면 object detection 바로 떠올릴 수 있을 것 같다)

1,000장의 사진에서 위젯의 위치를 식별하려면 Custom Vision obejct detection을 사용하는 것이 올바른 선택이다.

For each of the following statements, select Yes if the statement is true.
Automatically generating captions for pre-recorded videos is an example of natural language processing.

내가 고른 답: False
정답: True

• 자동 자막 생성은 NLP의 한 예이다.
• 이 작업에는 STT 기술과 언어 처리가 포함된다.
• 음성 데이터를 텍스트로 변환한 후, 문맥과 구문을 분석하여 정확하고 읽기 쉬운 자막을 생성한다.

자동 자막 생성은 음성과 텍스트를 처리하는 작업으로, 자연어 처리(NLP) 기술의 명확한 예이다.
영상 자막 처리 관련을 다 Computer Vision 기술이라고 생각해서 틀렸다. 이제 안 틀릴 수 있을 듯!

For each of the following statements, select Yes if the statement is true.

• Chatbot can support voice input.
• A separate chatbot is required for each communication channel.

내가 고른 답: False, True
정답: True, False

• 많은 현대적인 챗봇 플랫폼은 음성 입력을 지원한다. (ex: Azure Bot Service 등의 플랫폼은 STT 기술을 통합하여 음성 명령을 텍스트로 변환하고, 이에 응답할 수 있다.)
• 단일 챗봇을 여러 채널에서 사용할 수 있다. 챗봇 플랫폼은 채널 연결 기능을 제공하기 때문에 하나의 챗봇을 다양한 통신 채널에 배포할 수 있다.

For each of the following statements, select Yes if the statement is true.
Language Service's question answering can determining the intent of a user utterance.

내가 고른 답: True
정답: False

• Question Answering은 QnA Maker를 활용하여 사용자의 질문에 대한 가장 적절한 답변을 제공하는 서비스이다.
• 이 기능은 질문에 대한 정확한 응답을 반환하지만, 사용자의 Intent를 식별하는 것은 주 목적이 아니다.
• 사용자의 의도를 이해하는 것은 주로 LUIS 또는 기타 NLP 기술에서 수행된다. Question Answering은 의도 식별 기능이 포함되지 않는다.

Which type of natural language processing (NLP) entity is used to identify a phone number?

내가 고른 답: list
정답: regular expression

• 정규 표현식은 텍스트에서 특정 패턴을 기반으로 데이터를 식별하거나 추출하는 데 사용된다.
• 전화번호와 같은 구조화된 데이터는 고유한 패턴을 가지기 떄문에, 정규 표현식을 활용하여 쉽게 식별할 수 있다.
• 리스트는 사전에 정의된 값을 사용하여 엔티티를 매칭한다. 그러나 전화번호와 같은 데이터는 패턴 기반이므로 리스트로 처리하기 어렵다.

전화번호와 같은 명확한 패턴을 가진 데이터를 식별하려면 Regular Expression을 사용하는 것이 가장 적합하다.

You have a larget dataset that contains motor vehicle sales data. You need to train an automated machine learning (automated ML) model to predict vehicle sale values based on the type of vehicle. Which task should you select?

내가 고른 답: Regression
정답: View additional configuration settings, Regression

• 차량 유형에 따라 판매 가격(연속적인 숫자 값)을 예측하기 위해 적합한 머신 러닝 작업이다.
• Automated ML에서 추가 설정 옵션을 통해 모델의 세부 구성을 확인하거나 수정할 수 있다. 이 설정은 모델 학습에 필요한 구체적인 조정을 가능하게 하고, 이를 선택해야 완벽한 작업 구성이 이루어진다.

Regression은 작업의 주된 유형을 나타내고, View additional configuration settings는 모델 설정을 완성하는 데 필요한 보조 작업이다.
사실 View additional configuration settings는 전혀 이해가 안되긴 한다.. 질문 드려봤는데 강사님도 Regression은 확실한데 View additional configuration settings는 애매하다고 하신,, 그렇지만 강사님도 출제자가 아니기 때문에 일단은 시험용으로 외워두는 게 좋아보인다고 ㅠㅠ

Select the answer that correctly completes the sentence.
In a machine learning model, the data that is used as inputs are called (Blank).

내가 고른 답: instances
정답: features

• 머신 러닝 모델에서 입력 데이터는 features 또는 variables라고 불린다. (위에서도 틀렸지..ㅎ)
• 이러한 특성은 모델이 예측울 수행하는 데 필요한 정보를 제공한다.

입력 데이터는 모델의 features로 간주되며, 이는 예측을 위해 모델이 처리하는 주요 정보이다.

You have an app that identifies the coordinates of a product in an image of a supermarket shelf. Which service does the app use?

내가 고른 답: Custom Vision classification
정답: Custom Vision object detection

• Custom Vision object detection은 이미지를 분석하여 특정 객체의 위치와 크기를 정확히 식별할 수 있다. (이거 계속 틀렸죠. 이제 완전 확인!)

슈퍼마켓 선반에서 제품의 위치를 식별하려면 Custom Vision object detection이 적합하다.

Select the answer that correctly completes the sentence.
(Blank) can be used to build no-code apps that use built-in natural language processing models.

내가 고른 답: Microsoft Bot Framework
정답: Copilot Studio (formerly Power Virtual Agents)

• Copilot Studio는 코딩 없이 NLP 모델을 활용하여 챗봇과 같은 애플리케이션을 구축할 수 있는 플랫폼이다.
• 이 플랫폼은 사용자가 간단한 인터페이스를 통해 대화형 애플리케이션을 생성할 수 있게 하며, NLP 모델을 이용해 사용자의 입력을 이해하고 적절한 응답을 제공한다.
• Microsoft Bot Framework는 Code-based 솔루션으로, 챗봇을 더 복잡하고 맞춤화된 방식으로 개발할 수 있게 도와준다. 기본적으로 코드 작성이 필요하며 NLP 모델을 직접 구성하고 조정해야 하는 경우가 많다고 한다.
• 문제에서 요구한 조건은 '코딩 없이 자연어 처리 모델을 사용하는 앱을 만들 수 있는 서비스'였으므로, no-code 플랫폼인 Copilot Studio가 더 적합.

Copilot Studio는 코딩 없이 자연어 처리 모델을 사용할 수 있는 최적의 도구이고, Microsoft Bot Framework는 보다 고급 개발자가 코드 작성을 통해 챗봇을 구축하는 데 적합한 도구이다.

What is an example of the Microsoft responsible AI principle of transparency?
a. helping users understand the decisions made by an AI system
b. ensuring that opportunities are allocated equally to all applicants
c. ensuring that developers are accountable for the solutions they create
d. ensuring that the privileged data of users is stored in a secure manner

내가 고른 답: c
정답: a

Microsoft의 Responsible AI 원칙 중 Transparency 원칙은 AI 시스템이 내린 결정을 사용자가 이해할 수 있도록 설명하는 것에 중점을 둔다.

• Transparency 원칙의 핵심은 AI 시스템이 어떻게 그리고 왜 특정 결정을 내렸는지 사용자에게 명확하게 설명하는 것이다. 이를 통해 사용자는 AI의 행동을 이해하고, 시스템의 공정성, 정확성, 신뢰성을 평가할 수 있다.

• c는 Accountability 원칙에 해당한다. 개발자들이 만든 솔루션에 대해 책임을 지는 것은 투명성과는 다르다.

이것도 위에서부터 지속적으로 틀렸다. 이제 확인!