微软Azure AI基础：提升客户服务与模型透明度

AI-900中文题库文档涵盖了微软Azure人工智能基础的认证考试，主要考察了企业应用人工智能(AI)技术所带来的商业价值、数据处理与机器学习实践、以及模型开发和评估中的关键概念。以下是部分内容的详细解读： 1. **问题1** - 商业效益：企业部署网络聊天机器人可以显著减少客户服务代理的工作量（B），因为机器人能处理常见查询，从而释放人力去处理更复杂的问题，提高效率。 2. **问题2** - 数据分割：机器学习模型的训练和评估需要将数据随机分成训练集和测试集，通常按行划分，以确保模型的泛化能力（B）。 3. **问题4** - 可解释性和责任AI：负责任的人工智能强调模型的公正(C)、视病性(E)、可靠性和安全性(F)，因此使用自动机器学习UI时，需要确保模型透明度，这三个选项是正确答案。 4. **问题15-16** - 热点问题：未给出具体问题，但这类题目可能涉及对AI技术和工作负载的理解，需要根据提供的选项选择合适的答案，可能是关于模型性能、应用场景或数据处理的。 5. **问题17** - 图像分析：确保慈善活动中照片符合要求，需要使用人脸检测(B)操作来识别是否有面部和一或多个人脸。 6. **问题18** - 模型评估：分类模型通常使用真正例率(A)来衡量模型在识别类别上的准确性，而不是评估连续变量的MAE、R2或RMSE。 7. **问题19** - Azure ML Designer：设计机器学习流程时，可以从工具箱中拖动资料组(A)来管理数据，以及模块(D)来构建和连接算法，这两者是正确的组件。 8. **问题20** - 数据预处理：在Azure ML Designer中，创建训练和验证数据集需要使用“分割数据”(C)模块，该模块能够将数据划分为训练和验证部分。 整个文档围绕着微软Azure中的AI技术应用，从实际问题出发，考察了企业如何利用AI提升效率，以及如何遵循最佳实践进行数据处理、模型构建和评估，确保模型的透明度和责任。考生应熟悉这些核心概念和工具的使用，以便在实际考试中表现出色。