AI-900 용어 정리 및 오답 노트

gosu·2024년 2월 5일
AI900SKT FLY-AI
0
post-thumbnail
post-custom-banner

AI-900 용어 정리

LUIS

  • Language Understanding
  • 자연어에서 의미를 예측하는 azure ai 서비스

AI 워크로드

AI 워크로드란 인공지능(AI) 모델을 훈련시키고 추론하는 데 필요한 작업을 의미합니다. 이는 데이터 전처리, 모델 훈련, 모델 평가, 그리고 실시간 추론과 같은 여러 단계를 포함할 수 있습니다. AI 워크로드는 막대한 양의 데이터를 처리하고 복잡한 계산을 수행해야 하므로, 고성능 컴퓨팅(HPC) 자원, 대규모 데이터 스토리지, 그리고 고속 네트워킹 인프라를 필요로 합니다. 또한, 이러한 워크로드는 GPU(그래픽 처리 장치)나 TPU(텐서 처리 장치)와 같은 특수 하드웨어 가속기를 사용하여 처리 속도를 향상시키는 경우가 많습니다. AI 워크로드는 머신러닝, 딥러닝, 자연어 처리(NLP), 컴퓨터 비전 등 다양한 분야에서 활용됩니다.

Cortana

  • 시리, 빅스비 같은 것임

기능과 레이블

  • 기능: 모델이 학습하는데 사용되는 입력변수 X
  • 레이블: 예측하고자 하는 타겟변수 Y

캡션

  • 작품의 소개문
  • 미리 녹화된 비디오에 대한 캡션 자동 생성은 자연어 처리의 예입니다. : O

Blob

Blob (Binary Large Object) 은 하나의 개체로 구성된 바이너리 데이터의 집합을 의미합니다. 이름에서 알 수 있는 것처럼 Blob은 용량이 큰 데이터를 의미하는데요 주로 이미지, 오디오 같은 미디어 객체를 저장하는 데 사용됩니다.

Azure Cognitive Services

오답노트

Q2.

자신의 디지털 사진 모음을 기반으로 개와 고양이의 이미지를 분류하는 모델을 훈련하려고 합니다. 어떤 Azure 서비스를 사용해야합니까?
1. Azure 봇 서비스
2. 커스텀 비전
3. 컴퓨터 비전

A2.

    1. 커스텀 비전
  • "자신의" 디지털 사진 모음이므로 커스텀 비전임

Q6.

이 데이터 세트로 휴대폰의 배터리 요구 사항을 예측하는 모델을 학습하려는 경우, "화면 크기" 및 "배터리 요구 사항"은 무엇입니까? (2개 선택)

A6.

  • 입력 데이터: 기능
  • 타겟 데이터: 레이블

Q16.

Azure ML Studio는 어떤 유형의 데이터 저장소를 사용하나요? 하나 이상 선택하세요.
1. Blob
2. 큐
3. 테이블
4. 파일

A16.

  • BF 대검으로 외우자.
  • Blob: 이미지, 동영상 같은 큰 데이터를 말함

Q17.

Azure ML 디자이너를 사용해 이진 분류 모델에 대한 교육 파이프 라인을 만들 때, 기능 및 레이블이 포함된 데이터 셋, Two-Class Decision Forest 모듈 및 모델 학습 모듈을 추가했습니다. 학습에 사용되지 않은 데이터 세트의 하위 집합으로 학습된 모델을 테스트할 계획입니다. 어떤 추가 모듈을 추가해야 합니까?
1. 데이터 결합
2. 데이터 분할
3. 데이터 세트에서 열 선택

A17.

  • 학습에 사용되지 않은 데이터 세트를 테스트하는 것이므로 데이터 분할, train_test_split임.

Q19. ✍️❓

Azure Machine Learning 디자이너를 사용하여 분류 모델에 대한 교육 파이프 라인을 만듭니다. 모델을 서비스로 배포하기 전에 무엇을 해야 합니까?
1. 훈련 파이프 라인에서 추론 파이프 라인을 생성합니다.
2. 학습 파이프 라인에서 모델 평가 모듈을 추가합니다.
3. 다른 이름으로 훈련 파이프 라인을 복제합니다.

A19.

Azure Machine Learning 디자이너를 사용하여 분류 모델에 대한 교육 파이프라인을 만들 때, 모델을 서비스로 배포하기 전에 모델의 성능을 평가해야 합니다. 이 과정에서 2번 옵션인 "학습 파이프라인에서 모델 평가 모듈을 추가합니다"가 정답입니다.

  • 추론 파이프라인은 학습된 모델을 사용하여 새로운 데이터에 대해 예측을 수행하는 과정입니다. 학습 파이프라인은 모델을 학습시키는데 사용되는 반면, 추론 파이프라인은 학습된 모델을 실제 데이터에 적용하여 예측을 생성하는 데 사용됩니다.

Q21.

__________ 서비스를 사용하여 **휴대폰 이미지를 사용하여 물체 감지 모델을 훈련**할 수 있습니다.
1. 커스텀 비전
2. 컴퓨터 비전
3. 비디오 인덱서
4. 양식 인식기

A21.

  • 휴대폰 이미지를 사용 = 자기의 이미지 = 커스텀 비전

Q22.

영수증에서 날짜, 시간, 수량 및 가격을 추출하는 기능은 _____ 서비스의 기능입니다. 문장을 완성하려면 답안 영역에서 적절한 옵션을 선택하십시오.
1. 텍스트 분석
2. 양식 인식기(Form Recognizer)
3. 잉크 인식기
4. 컴퓨터 비전

A22.

  • 영수증 = Form Recognizer

Q32.

자연어 처리를 사용하여 Microsoft 뉴스 기사의 텍스트를 처리합니다. 다음 전시회에 표시된 출력을 받습니다. 어떤 유형의 자연어 처리가 수행되었습니까?

A32.

  • 문장에서 테이블에 바로 넣을수 있을정도로 데이터를 그룹화 시키는 것을 엔티티 인식이라고 한다.

Q39.

마이크에서 영어 입력을 받아 힌디어로 실시간 텍스트 기반 필사본을 생성해야 하는 애플리케이션을 개발 중입니다. 어떤 서비스를 사용해야합니까?
1. Translator Text(번역기 텍스트)
2. Speech
3. Text Analytics(텍스트 분석)

A39.

  • Speech는 출력이 음성 데이터 형식이어야한다. 따라서 정답이 될 수 없다.
  • 음성 입력 -> 텍스트 필사본 : Translator Text, 동시에 번역도 함.

Q40.

스페인어에서 영어와 프랑스어로 이메일 메시지를 번역하려면 Translator Text 서비스를 사용해야 합니다. 이 목표를 달성하는 가장 효율적인 방법은 무엇입니까?
1. 서비스 1번 호출. es를 from언어, en를 to, fr을 to언어로 지정
2. 서비스 1번 호출. es의 from언어와 en-fr의 to언어를 지정
3. 서비스 2번 호출. from를 es, to를 en으로, from를 es, to를 fr

A40.

정답 : 1번

  • url로 한번에 보내고, from에 각각 담고, to에 각각 담는 형태이다.
  • /translatortext?from=es&to=en&to=fr

Q43. ✍️

국제 시계를 지원하기 위해 언어 이해 애플리케이션을 작성하고 있습니다. 사용자가 지정된 도시의 현재 시간 (예: " 런던 시간은 몇 시 입니까?")을 물어볼 수 있도록 하려고 합니다. 어떻게 해야 합니까?
1. GetTime을 나타내는 "도시" 엔티티 및 "GetTime" 인텐트를 정의
2. 해당 도시의 신간을 묻는 발화로 각 도시에 대한 인텐트를 만듦
3. "None" 인텐트에 "What time is it in city"라는 발화를 추가

A43.

국제 시계 기능을 지원하는 언어 이해 애플리케이션을 개발할 때 사용자가 특정 도시의 현재 시간을 묻는 질문에 대응하기 위해서는 효율적인 인텐트(intent)와 엔티티(entity) 구조를 정의해야 합니다. 이 경우 가장 적합한 접근 방식은 1번, "GetTime을 나타내는 '도시' 엔티티 및 'GetTime' 인텐트를 정의"하는 것입니다. 이 방법을 통해 다양한 도시에 대한 시간 질문을 하나의 인텐트로 처리할 수 있으며, '도시' 엔티티를 통해 사용자가 언급하는 구체적인 도시를 동적으로 식별할 수 있습니다.

인텐트와 엔티티 정의 방법

  1. GetTime 인텐트 정의:

    • 이 인텐트는 사용자가 특정 도시의 현재 시간을 묻는 의도를 나타냅니다. 사용자의 발화 예시로는 "런던 시간은 몇 시입니까?", "뉴욕의 현재 시간을 알려주세요" 등이 있을 수 있습니다.

  2. '도시' 엔티티 정의:

    • '도시' 엔티티는 사용자 발화에서 도시 이름을 동적으로 추출하기 위해 사용됩니다. 이 엔티티는 전 세계의 주요 도시 이름을 포함하며, 사용자가 언급하는 구체적인 도시를 알아내는 데 사용됩니다.

이 구조를 사용하면, 하나의 인텐트로 다양한 도시에 대한 시간 질문을 처리할 수 있으며, '도시' 엔티티를 통해 알고리즘은 사용자가 언급한 구체적인 도시를 식별할 수 있습니다. 이렇게 하면 개별 도시마다 별도의 인텐트를 만들 필요 없이, 보다 유연하고 확장 가능한 애플리케이션을 개발할 수 있습니다.

구현 단계

  • 인텐트와 엔티티를 정의한 후, 애플리케이션은 사용자 발화를 분석하여 'GetTime' 인텐트와 연관된 '도시' 엔티티를 식별합니다.
  • 식별된 도시에 대한 현재 시간을 조회하기 위해, 애플리케이션은 외부 API(예: 세계 시간 API)를 사용할 수 있습니다.
  • 조회된 시간 정보를 사용자에게 응답으로 제공합니다.

이 접근 방식은 언어 이해 시스템의 유연성과 확장성을 크게 향상시키며, 개발자가 다양한 도시에 대한 질문을 쉽게 처리할 수 있게 해줍니다.

Q46. ✍️

조직 내부에서 사용할 지원 봇을 제공해야 합니다. 일부 사용자는 Microsoft Teams를 사용하여 봇에 질문을 제출할 수 있기를 원하고 다른 사용자는 내부 웹 사이트에서 웹 채팅 인터페이스를 사용하기를 원합니다. 어떻게 해야 합니까?
1. 지식 기반을 만듦. 봇을 만들고 Microsoft Teams 채널을 연결
2. 지식 기반을 만듦. 2개의 봇에, Teams, 웹 채팅 채널을 연결
3. 2개 지식 기반과 봇을 만들고, Teams, 웹 채팅 채널에 각각 연결

A46.

  • 지식 기반을 만들고, 단일 봇을 만든 후, 이 봇을 Microsoft Teams와 웹 채팅 인터페이스에 모두 연결합니다.
  • 즉, 지식기반에 봇을 만들 수 있고, 이 봇은 두 서비스와 연결 가능하다.

Q49. ✍️❓

다음 중 올바른 설명은 무엇입니까? 해당되는 모든 것들을 고르세요.(2개)
1. Azure 봇 서비스는 FAQ를 질문 및 답변 세트로 가져올 수 있음
2. 지능형 엔터프라이즈급 Azure 봇을 코그니티브와 통합 가능
3. Azure 봇 서비스는 고객과 대화식으로 참여

A49.

2번 설명: 지능형 엔터프라이즈급 Azure 봇을 코그니티브 서비스와 통합 가능

  • Azure 봇 서비스는 Microsoft의 코그니티브 서비스와 통합하여 보다 지능적이고 상호 작용적인 대화형 경험을 제공할 수 있습니다. 예를 들어, 언어 이해(LUIS)를 통해 사용자의 의도를 분석하고, QnA Maker로 자주 묻는 질문에 답변하며, Text Analytics로 사용자 감정을 분석하는 등 다양한 코그니티브 서비스를 활용할 수 있습니다. 이러한 통합은 봇을 더욱 지능적으로 만들어 사용자에게 개인화된 대화 경험을 제공합니다.

3번 설명: Azure 봇 서비스는 고객과 대화식으로 참여

  • Azure 봇 서비스를 통해 개발된 봇은 사용자와의 대화를 통해 정보를 제공하고, 질문에 답변하며, 작업을 수행할 수 있습니다. 이는 고객 지원, 예약 시스템, 상품 추천 등 다양한 분야에서 활용될 수 있으며, 사용자와 기업 간의 상호 작용을 향상시키는 데 기여합니다.

1번 항목 "Azure 봇 서비스는 FAQ를 질문 및 답변 세트로 가져올 수 있음"도 기술적으로는 올바른 설명입니다. Azure 봇 서비스는 QnA Maker와 같은 도구를 통해 FAQ를 질문 및 답변 형태로 가져와서 쉽게 봇에 통합할 수 있기 때문입니다. 하지만 질문의 요구 사항에 따라, 2번과 3번만이 명시적으로 올바른 선택으로 제시되었습니다.

Q55. ✍️

입력된 검색어와 관련된 이미지를 표시하는 애플리케이션은 대화형 AI 워크로드의 예입니다.
1. 예
2. 아니오

A55.

입력된 검색어와 관련된 이미지를 표시하는 애플리케이션은 대화형 AI 워크로드의 예가 아닙니다. 따라서 정답은 2. 아니오입니다.

대화형 AI 워크로드는 사용자와 인공지능 간의 상호 작용을 기반으로 합니다. 이는 주로 자연어 처리(NLP)를 활용하여 사용자의 질문이나 명령을 이해하고, 적절한 응답을 생성하는 기술을 포함합니다. 예를 들어, 챗봇, 가상 비서, 대화형 음성 인식 시스템 등이 대화형 AI에 속합니다.

반면에, 입력된 검색어와 관련된 이미지를 표시하는 애플리케이션은 검색 및 시각적 콘텐츠 제공에 초점을 맞추고 있으며, 이는 대화형 AI의 상호 작용적인 요소와는 다릅니다. 이러한 유형의 애플리케이션은 검색 알고리즘과 이미지 인식 기술을 사용하여 관련 이미지를 찾고 표시하는 것을 목표로 하지만, 사용자와의 대화형 상호 작용은 포함하지 않습니다.

Q62. ❓

대화형 AI 워크로드의 두 가지 시나리오는 무엇입니까?

  • 녹음기 메시지가 있는 전화응답 서비스
  • 웹사이트에서 스스로 답을 찾을 수 있는 기능을 제공하는 로봇
  • 인적 자원의 부담을 줄이기 위한 전화 음성 메뉴
  • 공공 웹사이트를 크롤링하여 자주 묻는 질문 문서를 생성하는 서비스

A62.

  • 웹사이트에서 스스로 답을 찾을 수 있는 기능을 제공하는 로봇 ✅
  • 인적 자원의 부담을 줄이기 위한 전화 음성 메뉴 ✅

Q74.

예측에 사용된 데이터 값은 _____________.

A74.

  • 기능입니다.
  • 타겟을 찾기 위한 입력값은 기능, 타겟은 레이블

Q77. ✍️❓

자연어 처리(NLP)를 사용하여 사용자의 텍스트 입력을 기반으로 다음 자기업을 수행하는 챗봇을 구축하고 있습니다.

  • 고객 주문을 수락합니다.
  • 지원문서를 검색합니다.
  • 주문 상태를 업데이트를 검색합니다.

어떤 유형의 NLP를 사용해야 합니까?
1. 언어 모델링
2. 감정 분석
3. 번역
4. 명명된 엔터티 인식

A77.

여러분이 구축하고 있는 챗봇의 기능을 고려할 때, 사용해야 하는 자연어 처리(NLP)의 유형은 1번 언어 모델링과 4번 명명된 엔터티 인식(NER)입니다. 이 두 가지 NLP 기술은 챗봇이 사용자의 텍스트 입력을 이해하고, 적절한 작업을 수행하는 데 필수적입니다.

1. 언어 모델링

언어 모델링은 텍스트 데이터의 언어 구조를 이해하고 예측하는 데 사용되는 기술입니다. 이는 챗봇이 사용자의 질문이나 명령을 이해하고, 고객 주문을 수락하거나, 주문 상태 업데이트를 검색하는 데 필요한 문맥을 파악하는 데 도움이 됩니다. 언어 모델링을 통해 챗봇은 사용자의 의도를 파악하고, 적절한 응답을 생성할 수 있습니다.

4. 명명된 엔터티 인식 (NER)

명명된 엔터티 인식(NER)은 텍스트에서 사람, 장소, 조직, 날짜 등과 같은 구체적인 정보를 식별하는 기술입니다. 챗봇이 고객 주문을 처리하거나, 지원 문서를 검색하고, 주문 상태 업데이트를 검색할 때, NER은 필수적인 정보(예: 제품 이름, 주문 번호 등)를 추출하는 데 사용됩니다. 이를 통해 챗봇은 사용자의 요청에 대해 더 정확하고 관련성 높은 응답을 제공할 수 있습니다.

Q78. ✍️

미리 녹화된 비디오에 대한 캡션 자동 생성은 자연어 처리의 예입니다.
1. 예
2. 아니오

A78.

  • 캡션 생성이 자연어 처리의 예시라고 알고있음 될듯하다.
    미리 녹화된 비디오에 대한 캡션 자동 생성은 자연어 처리(NLP)의 한 예입니다. 이 과정에서 사용되는 기술들은 음성 인식, 텍스트 변환, 문맥 이해 및 문법적 정확성 검사 등을 포함합니다. 음성 인식을 통해 비디오의 오디오 트랙에서 발화된 단어들을 텍스트로 변환하고, 이 텍스트 데이터를 처리하여 의미를 이해하고, 적절한 캡션을 생성합니다. 이는 NLP 분야에서 중요한 응용 분야 중 하나이며, 접근성 향상, 콘텐츠 검색 용이성 증가, 다양한 언어 지원을 가능하게 하는 등 여러 목적으로 사용됩니다.

Q87. ✍️

다음 중 Microsoft 책임 있는 AI 원칙의 예는 무엇입니까?
1. AI 시스템은 개인정보를 공개해야 합니다.
2. AI 시스템은 회사의 이익을 보호해야 합니다.
3. AI 시스템은 공개적으로 사용할 수 있는 데이터만 사용해야 합니다.
4. AI 시스템은 투명하고 포용적이어야 합니다.

A87.

Microsoft의 책임 있는 AI 원칙은 공정성, 신뢰성 및 안전성, 프라이버시 및 보안, 포용성, 투명성, 그리고 책임감을 강조합니다. 이 중 "AI 시스템은 투명하고 포용적이어야 합니다"는 Microsoft가 강조하는 책임 있는 AI의 핵심 원칙 중 하나입니다. 이 원칙은 AI 기술이 모든 사용자에게 공정하게 이익을 제공하며, 다양한 사용자 그룹의 요구와 민감성을 고려하고, 기술의 작동 방식에 대해 명확하고 이해하기 쉬운 정보를 제공해야 한다는 것을 의미합니다. 이를 통해 사용자는 AI 시스템의 결정 과정을 더 잘 이해하고, AI가 사회 전반에 긍정적인 영향을 미치도록 할 수 있습니다.

책임 있는 AI 원칙
1. 공정성
2. 신뢰성 및 안정성
3. 프라이버시 및 보안
4. 포용성
5. 투명성
6. 책임감

profile
gosu
개발자 블로그 ^0^
이전 포스트

chatbot-docker

다음 포스트

AI900 합격 후기

post-custom-banner

0개의 댓글