Azure認定資格 WEB問題集＆徹底解説
AI-900：Microsoft Azure AI Fundamentals
- No.7 ナレッジマイニングで使用するAI機能
- No.9 AIシステムのデータ漏洩対策
- No.10 Azure AI Services REST API認証の必須要素
- No.20 品質判定AIシステムの設計における主要考慮事項
- No.27 特定環境でのAIモデル精度低下の原因と対策
- No.28 医療AI開発におけるモデル選定方針
- No.36 責任あるAI開発におけるトレードオフ
- No.53 複数AI機能の請求と管理を簡素化する構成
- No.57 AI審査システムにおける原則の選択
- No.61 製造ラインの異常検知に適したアプローチ
- No.64 責任あるAIにおけるモデル設計のトレードオフ
- No.68 信用スコア予測モデルにおける倫理的課題
- No.70 モデルの複雑度と説明可能性のバランス
- No.76 Azure AI Searchのインデックス作成における主要な利点
- No.90 品質管理AIにおける設計上の考慮事項
- No.96 AIモデルの公平性改善における対応戦略
- No.106 生成AIシステムにおけるデータ漏洩対策
- No.113 AIモデルの公平性問題への対処方法
- No.117 Azure AI Servicesにおける複数キーの提供理由
- No.118 複数AI機能を統合する最適なリソース構成
- No.122 AI モデルの公平性問題への対処
- No.126 AIモデルにおける公平性問題への対処
- No.136 AIモデル開発における公平性評価の目的
- No.151 保険料算定AIモデルの公平性と透明性の確保
- No.156 AIシステムにおける信頼性課題の特定
- No.161 AIモデルの精度と説明可能性の両立
- No.177 Azure AI Searchの構築フロー
- No.178 Knowledge miningの中間プロセス
- No.180 高精度モデルの運用における課題
- No.181 Azure AI Servicesの主要な利点
- No.182 責任あるAI原則の理解
- No.185 複数プロジェクトでのAIリソース構成方針
- No.192 ノーコードで構築可能な対話型ボット
- No.194 包摂性の原則に反するAI設計方針
- No.197 責任あるAIにおける公平性の実践
- No.198 ナレッジマイニングに適したサービス
- No.202 AIシステムにおける説明責任の実装要件
- No.210 AIにおけるデータ最小化の原則
- No.216 AIにおける説明責任の実装方法
- No.217 AI ソリューションの安全性確保
- No.222 時系列データの異常検出に適したサービス
- No.225 サーバー上の高度な脅威を検知する機能
- No.228 AIモデルにおける公平性確保の重要対策
- No.229 組織全体のデータガバナンス統合管理
- No.243 責任あるAIにおける公平性の重要性
- No.251 責任ある AI 実践における重要な取り組み
- No.259 AIモデルの公平性確保のための優先対策
- No.265 AIシステムにおける公平性の確保
- No.273 機密データを扱うAIアプリのガバナンス管理
- No.284 金融チャットボットにおける責任あるAI
- No.285 AIシステムの説明責任確保に必要な対応
- No.291 地域別精度差における最優先課題の特定
- No.295 AI協働システムの説明責任対策
- No.296 カスタマーサポートメール自動振り分けに最適なAI技術
- No.297 金融機関のAIシステムにおける適切なデータ保護対策
- No.309 AIモデルの公平性問題への対処方法
- No.313 AI融資審査システムの説明責任確保
- No.323 テキスト問い合わせの自動振り分けに適した技術
- No.329 AIモデルの公平性問題への初期対応
- No.330 非ネイティブユーザー向けAIの精度改善
- No.332 AI検査システムにおける透明性の確保
- No.338 環境変化によるAIモデル精度低下への対応
- No.345 Azure OpenAI Serviceの情報生成問題
- No.348 金融機関向けチャットボット実装の優先事項
広告