课程详情

Para establecer expectativas realistas, tenga en cuenta: Estas preguntas NO son preguntas oficiales que encontrará en el examen oficial. Estas preguntas cubren todo el material que se describe en las secciones de conocimiento a continuación. Muchas de las preguntas se basan en escenarios ficticios en los que se plantean preguntas.Los requisitos de conocimientos oficiales para el examen se revisan de forma rutinaria para garantizar que el contenido tenga los requisitos más recientes incorporados en las preguntas de práctica. Las actualizaciones del contenido a menudo se realizan sin notificación previa y están sujetas a cambios en cualquier momento.El orden de las preguntas cambiará cada vez que repita las pruebas. Por lo tanto, necesitará saber por qué una respuesta es correcta, y no solo que la respuesta correcta era el ítem "B" la última vez que tomó el examen.NOTA: Este curso no debe ser su único material de estudio para prepararse para el examen oficial. Estas pruebas de práctica están destinadas a complementar el material de estudio del tema.IMPORTANTE: tenga en cuenta que los exámenes siempre utilizarán nombres de productos y términos en inglés, por lo que el alumno debe estar familiarizado con muchos términos en inglés, independientemente del idioma del examen.Este examen es una oportunidad para demostrar conocimiento de los conceptos de aprendizaje automático (ML) e inteligencia artificial (IA) y los servicios relacionados de Microsoft Azure. Los candidatos a este examen deben estar familiarizados con el material de aprendizaje dirigido por un instructor o a su propio ritmo del AI-900.Este examen está destinado a candidatos con formación técnica y no técnica. No se requiere experiencia en ciencia de datos ni ingeniería de software; sin embargo, sería beneficioso conocer los conceptos básicos de la nube y las aplicaciones cliente-servidor.Azure AI Fundamentals se puede utilizar para prepararse para otras certificaciones basadas en roles de Azure, como Azure Data Scientist Associate o Azure AI Engineer Associate, pero no es un requisito previo para ninguna de ellas.Describir cargas de trabajo y consideraciones de inteligencia artificial (20-25%)Describir los principios fundamentales del aprendizaje automático en Azure (25-30 %)Describir las características de las cargas de trabajo de visión por computadora en Azure (15-20 %)Describir las características de las cargas de trabajo de procesamiento del lenguaje natural (NLP) en Azure (25-30 %)Describir cargas de trabajo y consideraciones de inteligencia artificial (20-25%)Identificar características de cargas de trabajo de IA comunesIdentificar características de cargas de trabajo de detección de anomalíasIdentificar cargas de trabajo de visión por computadoraIdentificar cargas de trabajo de procesamiento del lenguaje naturalIdentificar cargas de trabajo de minería de conocimientosIdentificar los principios rectores para una IA responsableDescribir consideraciones para la equidad en una solución de IADescribir consideraciones de confiabilidad y seguridad en una solución de IA.Describir las consideraciones de privacidad y seguridad en una solución de IA.Describir consideraciones para la inclusión en una solución de IADescribir consideraciones para la transparencia en una solución de IADescribir consideraciones para la responsabilidad en una solución de IADescribir los principios fundamentales del aprendizaje automático en Azure (25-30 %)Identificar tipos comunes de aprendizaje automáticoIdentificar escenarios de aprendizaje automático de regresiónIdentificar escenarios de aprendizaje automático de clasificación.Identificar escenarios de aprendizaje automático de clusteringDescribir los conceptos básicos del aprendizaje automático.Identificar características y etiquetas en un conjunto de datos para el aprendizaje automáticoDescribir cómo se utilizan los conjuntos de datos de capacitación y validación en el aprendizaje automático.Describir las capacidades de las herramientas visuales en Azure Machine Learning Studio.Aprendizaje automático automatizadoDiseñador de aprendizaje automático de AzureDescribir las características de las cargas de trabajo de visión por computadora en Azure (15-20 %)Identificar tipos comunes de soluciones de visión por computadora.Identificar características de las soluciones de clasificación de imágenes.Identificar características de las soluciones de detección de objetos.Identificar características de las soluciones de reconocimiento óptico de caracteres.Identificar características de las soluciones de detección y análisis facial.Identificar herramientas y servicios de Azure para tareas de visión por computadora.Identificar capacidades del servicio de Visión por Computador.Identificar las capacidades del servicio Custom Vision.Identificar las capacidades del servicio FaceIdentificar las capacidades del servicio Form RecognizerDescribir las características de las cargas de trabajo de procesamiento del lenguaje natural (NLP) en Azure (25-30 %)Identificar características de escenarios comunes de cargas de trabajo de PNLIdentificar características y usos para la extracción de frases clave.Identificar características y usos para el reconocimiento de entidades.Identificar características y usos para el análisis de sentimientos.Identificar características y usos del modelado del lenguaje.Identificar características y usos del reconocimiento y síntesis de voz.Identificar características y usos de la traducción.Identificar herramientas y servicios de Azure para cargas de trabajo de PNLIdentificar las capacidades del servicio de idiomas.Identificar las capacidades del servicio de voz.Identificar las capacidades del servicio Traductor.Identificar consideraciones para soluciones de IA conversacional en AzureIdentificar características y usos de los bots.Identificar las capacidades de Power Virtual Agents y el servicio Azure Bot.El examen está disponible en los siguientes idiomas: inglés, japonés, chino (simplificado), coreano, alemán, francés, español

课程标签

0人关注该课程

主题相关的课程