Ngân hàng đề — Microsoft Azure AI Engineer

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi này thuộc chủ đề Amazon Lex (dịch vụ chatbot của AWS), mô tả tình huống xây dựng một chatbot cho đại lý du lịch. Chatbot cần hỏi người dùng về điểm đến (destination) và lặp lại câu hỏi cho đến khi nhận được input hợp lệ, hoặc người dùng kết thúc cuộc trò chuyện (closes the conversation).
📌 Yêu cầu chính: Dialog phải hỗ trợ elicitation (yêu cầu input) với cơ chế reprompt (lặp lại câu hỏi) nếu input không valid, và xử lý graceful exit. Đây là hành vi điển hình của một slot elicitation đơn giản trong Lex, nơi bot kiên trì thu thập thông tin cần thiết mà không phức tạp hóa luồng hội thoại.

✅ Đáp án đúng: prompt

Lý do lựa chọn:
🛠️ Trong Amazon Lex (phiên bản mới nhất V2 đến 2026), loại dialog prompt được thiết kế chính xác cho kịch bản này. Nó cho phép bot đặt câu hỏi cụ thể (prompt message) để elicit một slot (như "destination"), reprompt tự động nếu input không khớp với slot type (ví dụ: không phải tên thành phố hợp lệ), và kết thúc nếu user nói "close" hoặc tương tự.

• Prompt hỗ trợ multiple reprompts với các biến thể message để tránh lặp lại nhàm chán.
• Đây là lựa chọn đơn giản, hiệu quả cho single-slot elicitation như hỏi destination.
  📘 Tài liệu tham khảo: AWS Lex Developer Guide - Prompts and Reprompts (cập nhật 2025).

📋 Giải thích tất cả các phương án

• ✅ prompt:
  Đúng như phân tích trên. Prompt là loại dialog node cơ bản trong Lex, lý tưởng cho việc lặp lại câu hỏi đến khi valid input, hỗ trợ intents đơn giản với slot validation và reprompt logic. Không cần phức tạp hóa cho trường hợp hỏi destination lặp lại.

• ❌ input:
  Sai vì input không phải là loại dialog hợp lệ trong Amazon Lex. Lex không có dialog type tên "input"; thay vào đó, input được xử lý qua slot types và prompts. Sử dụng "input" sẽ không hỗ trợ reprompt tự động hoặc validation loop.

• ❌ adaptive:
  Sai vì adaptive ám chỉ Adaptive Dialogs (thuộc Microsoft Bot Framework hoặc Azure Bot Service), không phải AWS Lex. Trong Lex V2, có hỗ trợ Adaptive Cards cho rich UI, nhưng không phải dialog type cho reprompt loop đơn giản. Không phù hợp với yêu cầu elicit destination lặp lại.

• ❌ QnA Maker:
  Sai vì QnA Maker (nay là Azure AI Language - Question Answering) là dịch vụ của Microsoft Azure, không phải AWS. Nó dùng cho knowledge base Q&A tĩnh, không hỗ trợ dialog elicitation động với reprompt cho slots như destination. Không liên quan đến AWS Lex.

🧠 Kết luận: Sử dụng prompt đảm bảo chatbot tuân thủ best practices AWS Lex V2 (2026), tối ưu cho UX mượt mà. Nếu triển khai, config slot type "AMAZON.City" cho destination và enable reprompts! 🚀

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi tập trung vào Azure Cognitive Services for Language (một dịch vụ AI trong Azure xử lý ngôn ngữ tự nhiên, như phân tích văn bản, dịch thuật, tóm tắt, v.v.). Người dùng có một tài nguyên (resource) Azure Cognitive Service for Language trong subscription Azure của mình. Nhiệm vụ chính là tìm URL của REST interface (giao diện lập trình REST API) cho dịch vụ Language này. Câu hỏi yêu cầu xác định blade nào trong Azure portal (các tab/panel bên trái trong giao diện Azure portal) để xem thông tin đó.

🛠️ Bối cảnh kỹ thuật: REST interface URL chính là endpoint của dịch vụ, dùng để gọi API từ ứng dụng bên ngoài (ví dụ: https://<your-region>.api.cognitive.microsoft.com/ hoặc tương tự tùy region). Đây là thông tin thiết yếu để tích hợp dịch vụ Language vào code. Kiến thức dựa trên phiên bản Azure Cognitive Services mới nhất (tính đến 2026, với Azure AI services unified naming).

📘 Tài liệu tham khảo:

• Azure Cognitive Services - Keys and Endpoint (chính thức từ Microsoft Docs).
• Azure Portal - Resource Management Blades (truy cập trực tiếp để kiểm tra blade).

✅ Đáp án đúng và lý do lựa chọn

Đáp án đúng: Keys and Endpoint
🧩 Lý do: Trong Azure portal, blade "Keys and Endpoint" hiển thị trực tiếp KEY 1, KEY 2 (API keys dùng để xác thực) và Endpoint URL (chính là URL của REST interface cho dịch vụ Language). Đây là nơi duy nhất cung cấp endpoint đầy đủ (ví dụ: https://<region>.cognitiveservices.azure.com/ hoặc https://<region>.api.cognitive.microsoft.com/language/:analyze-text). Không cần cấu hình thêm, chỉ cần copy-paste để sử dụng ngay. Điều này được thiết kế chuẩn từ Azure Cognitive Services (áp dụng cho tất cả AI services như Language, Vision, Speech).

📋 Giải thích tất cả các phương án (đúng và sai)

Dưới đây là phân tích từng lựa chọn, giữ nguyên nội dung gốc bằng tiếng Anh. Mỗi phương án được đánh giá với lý do cụ thể dựa trên chức năng blade trong Azure portal (phiên bản mới nhất 2026):

• Identity ❌ Sai: Blade này quản lý Managed Identities (dùng để xác thực không cần key, tích hợp với Azure AD). Không hiển thị URL REST endpoint hay keys thông thường. Chỉ dùng cho authentication nâng cao, không liên quan đến việc lấy URL giao diện REST cơ bản.

• Keys and Endpoint ✅ Đúng: Như đã giải thích ở trên, đây là blade chính thức chứa Endpoint URL (REST interface) và API keys. Microsoft khuyến nghị sử dụng blade này đầu tiên khi deploy/integrate Cognitive Services for Language. Endpoint ở đây luôn cập nhật theo region và dịch vụ (ví dụ: Language v2023-04-01 preview).

• Networking ❌ Sai: Blade này cấu hình firewall, VNet integration, private endpoints để bảo mật truy cập. Không chứa URL REST endpoint hay keys. Chỉ dùng để kiểm soát traffic, không giúp identify URL.

• Properties ❌ Sai: Blade này hiển thị metadata như Resource ID, Location, Status, Provisioning State. Có thể thấy một phần "Endpoint" ngắn gọn nhưng KHÔNG đầy đủ URL REST interface (chỉ là ID hoặc base info). Không dùng để lấy endpoint chính thức cho API calls.

🛠️ Lời khuyên thực hành: Sau khi vào "Keys and Endpoint", regenerate keys nếu cần và test endpoint bằng Postman hoặc Azure AI Studio (tool mới 2024+). Nếu gặp lỗi 401/403, kiểm tra quota hoặc region matching!

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi này thuộc lĩnh vực phát triển chatbot sử dụng Microsoft Bot Framework (không phải AWS, dù người dùng đề cập – có thể là nhầm lẫn về nền tảng). Nội dung câu hỏi:
"You are building a chatbot. You need to configure the chatbot to query a knowledge base. Which dialog class should you use?"

📝 Giải thích rõ ràng:
Bạn đang xây dựng một chatbot và cần cấu hình nó để truy vấn (query) một knowledge base (cơ sở kiến thức). Knowledge base ở đây thường ám chỉ bộ dữ liệu câu hỏi - câu trả lời (QnA pairs) được lưu trữ trong dịch vụ như QnA Maker (nay thuộc Azure AI Language). Câu hỏi yêu cầu chọn class dialog phù hợp trong Bot Framework SDK để xử lý việc này. Mục tiêu là tích hợp chatbot với knowledge base để trả lời câu hỏi tự nhiên từ người dùng dựa trên dữ liệu đã huấn luyện sẵn.
🛠️ Ngữ cảnh kỹ thuật: Bot Framework cung cấp các dialog classes để xây dựng luồng hội thoại. Việc "query knowledge base" đòi hỏi một class chuyên biệt hỗ trợ tích hợp QnA service, không phải các class chung chung cho dialog phức tạp hay component tùy chỉnh.

✅ Đáp án đúng và lý do lựa chọn

Đáp án đúng: QnAMakerDialog

🧠 Lý do chi tiết:
QnAMakerDialog là class chuyên dụng trong Microsoft Bot Framework SDK v4 (cập nhật đến 2026, tương thích với Azure Bot Service và Azure AI services). Nó được thiết kế chính xác để kết nối chatbot với QnA Maker knowledge base, cho phép:

• Gửi câu hỏi người dùng đến endpoint QnA Maker.
• Nhận câu trả lời top-ranked từ knowledge base.
• Xử lý follow-up prompts, active learning, và fallback nếu không khớp.
  Theo tài liệu chính thức Microsoft (phiên bản mới nhất 2025-2026), dù QnA Maker chính thức retire từ tháng 3/2025 và được thay bằng Generative Answers trong Azure AI Studio, QnAMakerDialog vẫn là lựa chọn chuẩn cho legacy và migration paths khi query knowledge base kiểu QnA truyền thống. Sử dụng class này đơn giản hóa code, ví dụ:

var qnaMaker = new QnAMaker(new QnAMakerEndpoint {...});
var qnaDialog = new QnAMakerDialog(qnaMaker);

Nó đảm bảo chatbot "query" knowledge base hiệu quả mà không cần custom logic phức tạp.

📋 Giải thích tất cả các phương án (đúng/sai)

Dưới đây là phân tích từng lựa chọn giữ nguyên văn bản gốc tiếng Anh, với giải thích hoàn toàn bằng tiếng Việt về lý do đúng/sai dựa trên Bot Framework docs (cập nhật 2026):

• ✅ QnAMakerDialog (Đúng):
  Như đã giải thích, đây là class chuyên biệt cho việc query knowledge base qua QnA Maker. Nó tự động xử lý generate answer, score matching, và tích hợp trực tiếp với Azure QnA service. Hoàn hảo cho yêu cầu câu hỏi!

• ❌ AdaptiveDialog (Sai):
  AdaptiveDialog thuộc Bot Framework Composer/Adaptive Dialogs (phiên bản mới từ 2020+, cập nhật 2026 với declarative JSON/LG). Nó dùng cho xây dựng dialog phức tạp, stateful với conditions, inputs/outputs linh hoạt, không chuyên query knowledge base. Phải custom code để gọi QnA API, không phải lựa chọn sẵn có.

• ❌ SkillDialog (Sai):
  SkillDialog dùng để gọi các Bot Skills (như Virtual Assistant skills hoặc bên thứ 3 qua Bot Framework Skills). Nó xử lý proactive messaging và skill invocation giữa các bot, không liên quan trực tiếp đến query knowledge base. Không phù hợp cho task đơn giản như truy vấn QnA.

• ❌ ComponentDialog (Sai):
  ComponentDialog là base class trừu tượng để xây dựng custom dialogs bằng cách add WaterfallSteps hoặc prompts. Nó không có built-in logic query knowledge base, đòi hỏi developer tự implement QnA integration – quá phức tạp và không phải giải pháp chuẩn.

📘 Tài liệu tham khảo (cập nhật mới nhất đến 2026)

• Microsoft Docs chính thức: QnA Maker Dialog (Legacy guide, migration to Generative Answers).
• Bot Framework SDK v4+: Dialogs Reference – Xác nhận QnAMakerDialog cho QnA integration.
• Azure AI Updates 2025-2026: QnA Maker Retirement & Migration – Khuyến nghị dùng Azure AI Studio cho knowledge base mới.
• GitHub Samples: BotBuilder-Samples > 14.nlp-with-waterfall (QnAMaker example).

Hy vọng phân tích này giúp bạn rõ ràng! 🚀 Nếu cần code sample hoặc migration guide, hãy hỏi thêm nhé!

🛠️ Phân tích câu hỏi trắc nghiệm về Azure AI Video Indexer

Xin chào! Tôi là Microsoft Azure AI Engineer, chuyên sâu về các dịch vụ Azure AI, bao gồm Azure AI Video Indexer (trước đây là Video Indexer). Dưới đây là phân tích chi tiết, chính xác dựa trên câu hỏi bạn cung cấp. Tôi sử dụng kiến thức cập nhật mới nhất đến năm 2026 từ tài liệu chính thức của Microsoft (không thay đổi so với 2024-2025 về giới hạn upload portal).

📖 1. Giải thích nội dung câu hỏi một cách chi tiết

✅ Tóm tắt câu hỏi: Bạn có một thư mục local chứa 4 file video (File1, File2, File3, File4). Nhiệm vụ là upload các file này lên website Azure AI Video Indexer (portal tại https://www.videoindexer.ai/) để phân tích (analyze). Câu hỏi hỏi file nào COULD upload được (có thể upload thành công).

🧩 Phân tích kỹ nội dung hình ảnh (từ link https://img.examtopics.com/ai-102/image171.png):
Hình ảnh là một bảng liệt kê thông tin 4 file video:

• File1: Format = WMV, Length = 34 minutes, Size = 400 MB
• File2: Format = AVI, Length = 190 minutes, Size = 1,200 MB
• File3: Format = AVI, Length = 90 minutes, Size = 980 MB
• File4: Format = MP4, Length = 80 minutes, Size = 1,800 MB

Lưu ý quan trọng về giới hạn upload trên portal Azure AI Video Indexer (website) (dẫn nguồn: Microsoft Docs - Limits and quotas, cập nhật 2026):

• Supported formats ✅: WMV, AVI, MP4 (và nhiều định dạng khác như MOV, FLV, MPEG...). TẤT CẢ 4 file đều hỗ trợ format.
• Max file size 🗜️: 2 GB (2,048 MB) → TẤT CẢ 4 file đều < 2 GB (400, 1.200, 980, 1.800 MB).
• Max video length ⏱️: 120 minutes (2 giờ) → File2 (190 mins) VƯỢT QUY ĐỊNH → KHÔNG upload được qua website.
  (Lưu ý: Giới hạn này dành riêng cho upload qua portal/website. Nếu dùng API hoặc Azure Storage, limits cao hơn: size đến 25 GB, length đến 10 giờ cho một số tier.)

Kết luận khả năng upload:
✅ Có thể: File1, File3, File4 (format OK, size OK, length <120 mins).
❌ Không thể: File2 (length 190 mins >120 mins).

✅ 2. Đáp án đúng và lý do lựa chọn

Đáp án đúng: File1, File3, and File4 only (tương ứng option E trong câu hỏi chuẩn AI-102).

Lý do chi tiết 🧠:

• Các file này thỏa mãn TẤT CẢ điều kiện upload portal: format hỗ trợ, size ≤2 GB, length ≤120 mins.
• File2 bị loại vì vượt giới hạn thời lượng (190 >120 mins), dù format và size OK. Upload File2 sẽ báo lỗi "Video too long for portal upload".
• Đây là quy tắc chặt chẽ của portal để đảm bảo xử lý nhanh (free/trial accounts có quota thấp hơn premium).

🧩 3. Giải thích TẤT CẢ các phương án (đúng/sai)

Tôi giữ nguyên văn bản gốc tiếng Anh của các phương án như bạn cung cấp. Phân tích hoàn toàn bằng tiếng Việt, với lý do dựa trên dữ liệu bảng và limits chính thức.

• File1 and File3 only ❌ SAI
  Phương án này bỏ sót File4 (MP4, 80 mins <120, 1.800 MB <2 GB) → File4 upload được bình thường. Chỉ liệt kê 2/3 file đúng.

• File1, File2, File3 and File4 ❌ SAI
  Bao gồm File2 (AVI, 190 mins >120 mins) → File2 không upload được qua website, dù size OK. Phương án này "over-include" file không hợp lệ.

• File1, File2, and File3 only ❌ SAI
  Bao gồm File2 (190 mins vượt limit) và bỏ sót File4 (upload OK) → Sai cả thừa lẫn thiếu.

• File1 and File2 only ❌ SAI
  Bao gồm File2 (không OK) và bỏ sót File3 + File4 (cả hai OK) → Chỉ đúng 1/2, sai hoàn toàn.

• File1, File2, and File4 only ❌ SAI
  Bao gồm File2 (190 mins không OK) và bỏ sót File3 (AVI 90 mins OK, 980 MB OK) → Sai vì thừa File2, thiếu File3.

📘 4. Tài liệu tham khảo chính thức (cập nhật 2026)

• Azure AI Video Indexer - Upload videos from the portal 🖥️ (hướng dẫn upload website).
• Limits and quotas ⚖️ (xác nhận 120 mins / 2 GB).
• Supported formats 🎥 (WMV, AVI, MP4 confirmed).
• Exam context: AI-102 certification question (ExamTopics #171).

Nếu bạn cần demo upload thực tế hoặc code API để bypass limits (ví dụ dùng Azure Blob Storage), hãy cho tôi biết nhé! 🚀

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi thuộc chủ đề Amazon Polly (dịch vụ Text-to-Speech của AWS), cụ thể là quy trình tạo custom neural voice (giọng nói neural tùy chỉnh) cho hệ thống kiosk bán lẻ.

• Bối cảnh: Bạn đang xây dựng hệ thống kiosk sử dụng giọng nói tùy chỉnh từ voice talent (nghệ sĩ giọng nói). Bạn đã thu thập audio samples (mẫu âm thanh) và consent (sự đồng ý) từ voice talent.
• Yêu cầu chính: Tạo voice talent profile (hồ sơ voice talent). Đây là bước đầu tiên bắt buộc trong quy trình tạo custom neural voice trên Amazon Polly.
• Mục tiêu: Xác định file gì cần upload vào profile này. Theo tài liệu AWS Polly mới nhất (2024-2026), voice profile yêu cầu consent recording (file ghi âm sự đồng ý) trước khi upload dữ liệu huấn luyện.

📘 Tài liệu tham khảo:

• AWS Polly Documentation: Creating custom neural voices (cập nhật 2024).
• Voice profile requirements: Bắt buộc upload consent audio trước.

✅ Đáp án đúng và lý do lựa chọn

Đáp án đúng: a .wav or .mp3 file of the voice talent consenting to the creation of a synthetic version of their voice

Lý do 🛠️:

• Trong Amazon Polly, để tạo voice talent profile, bước đầu tiên và bắt buộc là upload consent recording – file âm thanh (.wav hoặc .mp3) nơi voice talent rõ ràng đồng ý cho việc tạo phiên bản synthetic voice (giọng nói tổng hợp) từ giọng của họ.
• File này phải studio-quality, dài khoảng 10-30 giây, và nội dung phải bao gồm cụm từ chuẩn như "I consent to the creation of a synthetic version of my voice".
• Điều này đảm bảo tuân thủ pháp lý và AWS policy. Sau khi profile được tạo, mới upload dữ liệu huấn luyện (training data).

📋 Giải thích tất cả các phương án (đúng/sai)

• ❌ [SAI] a .zip file that contains 10-second .wav files and the associated transcripts as .txt files
  Phương án này mô tả dữ liệu huấn luyện (training data) cho neural voice model, không phải cho voice talent profile. Training data (zip chứa .wav 10 giây + .txt transcripts) chỉ upload sau khi profile đã được tạo từ consent file. Upload sai thứ tự sẽ bị AWS từ chối.

• ❌ [SAI] a five-minute .flac audio file and the associated transcript as a .txt file
  Sai vì: (1) Định dạng .flac không được hỗ trợ cho voice profile (chỉ .wav/.mp3); (2) Thời lượng 5 phút quá dài (consent chỉ cần ngắn gọn 10-30 giây); (3) Đây giống dữ liệu demo/sample, không phải consent cụ thể. AWS yêu cầu chính xác consent statement, không cần transcript cho bước này.

• ✅ [ĐÚNG] a .wav or .mp3 file of the voice talent consenting to the creation of a synthetic version of their voice
  (Như đã giải thích ở trên) – Đây là yêu cầu chính xác cho voice profile theo AWS Polly. Định dạng hỗ trợ (.wav/.mp3), nội dung chuẩn, đảm bảo profile được tạo thành công trước khi train model.

• ❌ [SAI] a five-minute .wav or .mp3 file of the voice talent describing the kiosk system
  Sai vì nội dung không phải consent: File mô tả hệ thống kiosk không chứng minh sự đồng ý tạo synthetic voice, vi phạm policy pháp lý của AWS. Thời lượng 5 phút cũng không phù hợp (consent phải ngắn, tập trung vào statement đồng ý).

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi tập trung vào việc phát triển mô hình Conversational Language Understanding (CLU) trên Azure AI Language (sử dụng Language Studio).
Vấn đề: Trong quá trình testing, người dùng nhận được phản hồi sai khi gửi các yêu cầu KHÔNG liên quan đến khả năng của mô hình (gọi là spurious requests - các yêu cầu giả mạo hoặc không hợp lệ).
Mục tiêu: Đảm bảo mô hình nhận diện và xử lý đúng những yêu cầu không liên quan này, tránh trả lời sai.
🛠️ Đây là tình huống phổ biến trong NLU (Natural Language Understanding), nơi cần intent đặc biệt để "bắt" các utterance ngoài phạm vi.

✅ Đáp án đúng và lý do lựa chọn

Đáp án đúng: Add examples to the None intent.
Lý do: Trong CLU trên Language Studio (Azure AI), None intent là intent mặc định dùng để xử lý các utterance không khớp với bất kỳ custom intent nào. Việc thêm examples (ví dụ cụ thể) vào None intent giúp mô hình học cách nhận diện spurious requests (yêu cầu không liên quan), từ đó trả lời phù hợp (ví dụ: "Tôi không hiểu" hoặc chuyển hướng). Điều này cải thiện độ chính xác tổng thể, tránh model "ép" utterance vào intent sai. Theo tài liệu Azure mới nhất (2024-2026), None intent là best practice cho out-of-scope queries.
📘 Nguồn tham khảo: Azure AI Language - Conversational Language Understanding documentation (cập nhật 2025).

📋 Giải thích tất cả các phương án

Dưới đây là phân tích từng lựa chọn, với văn bản gốc giữ nguyên tiếng Anh. Mỗi phương án được đánh giá đúng/sai kèm lý do chi tiết:

• [SAI] Enable active learning.
  ❌ Sai vì: Active learning giúp tự động đề xuất utterances từ production traffic để cải thiện model, nhưng KHÔNG trực tiếp xử lý spurious requests trong testing. Nó chỉ kích hoạt sau deploy và dựa trên user queries thực tế, không giải quyết ngay vấn đề nhận diện None intent. Phù hợp cho tuning dài hạn, không phải fix nhanh cho testing.

• [SAI] Add entities.
  ❌ Sai vì: Entities dùng để extract thông tin cụ thể (như tên, ngày tháng) từ utterance, KHÔNG liên quan đến việc nhận diện intent (phân loại yêu cầu). Thêm entities không giúp model phân biệt spurious requests, mà chỉ làm phong phú extraction trong custom intents.

• [ĐÚNG] Add examples to the None intent.
  ✅ Đúng vì: Như đã giải thích ở trên, thêm examples vào None intent huấn luyện model nhận diện chính xác các utterance không liên quan, tránh fallback sai. Đây là cách chuẩn và hiệu quả nhất theo guideline Azure Language Studio (phiên bản 2025+), giúp đạt confidence score cao cho out-of-domain queries.

• [SAI] Add examples to the custom intents.
  ❌ Sai vì: Thêm examples vào custom intents chỉ cải thiện độ chính xác của các intent cụ thể, dễ khiến model "overfit" và ép spurious requests vào intent sai (gây incorrect responses). Không giải quyết gốc rễ vấn đề nhận diện yêu cầu ngoài phạm vi.

🧠 Lời khuyên thực tế: Sau khi thêm None examples, hãy train và test lại model trong Language Studio để kiểm tra F1-score cho None intent. Nếu deploy, kết hợp với active learning để duy trì hiệu suất!

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi thuộc lĩnh vực Microsoft Bot Framework Composer kết hợp với Azure Cognitive Services Speech resource. Nội dung yêu cầu thêm hỗ trợ cho các kênh dựa trên giọng nói (speech-based channels) vào một bot đã được xây dựng. Đây là câu hỏi trắc nghiệm kiểu chọn nhiều đáp án đúng (multiple correct answers), với ba hành động cần thực hiện để hoàn thành giải pháp. Mỗi lựa chọn đúng chiếm 1 điểm.

Bối cảnh kỹ thuật (dựa trên tài liệu Microsoft cập nhật đến năm 2026):

• Bot Framework Composer là công cụ low-code để xây dựng bot conversational AI trên Azure.
• Speech resource (Azure AI Speech) cung cấp dịch vụ nhận dạng giọng nói (STT - Speech-to-Text), tổng hợp giọng nói (TTS - Text-to-Speech), và hỗ trợ kênh giọng nói như Direct Line Speech channel.
• Để bot hỗ trợ speech channels, cần tích hợp Speech service vào bot qua các bước cấu hình cơ bản, không liên quan đến NLU hay các tính năng routing nâng cao.

Mục tiêu: Kích hoạt bot nhận input giọng nói từ người dùng và trả lời bằng giọng nói, thường qua kênh như Web Chat với speech hoặc telephony channels.

✅ Đáp án đúng (Ba lựa chọn chính xác)

Dựa trên hướng dẫn chính thức của Microsoft Bot Framework (phiên bản mới nhất 2024-2026), ba hành động sau phải thực hiện để thêm speech support:

1. Configure the language and voice settings for the Speech resource.
   📘 Lý do: Phải cấu hình ngôn ngữ (region/locale) và voice (giọng nói TTS) phù hợp trên Speech resource để bot xử lý đúng accent/input/output giọng nói. Không cấu hình sẽ dẫn đến lỗi mismatch ngôn ngữ.

2. Add the endpoint and key of the Speech resource to the bot.
   📘 Lý do: Bot cần key (subscription key) và endpoint (Custom Speech endpoint nếu dùng) của Speech resource để xác thực và kết nối dịch vụ. Đây là bước tích hợp bắt buộc qua bot settings hoặc appsettings.json.

3. Add Speech to the bot responses.
   📘 Lý do: Trong Composer, thêm speech markup (như SSML - Speech Synthesis Markup Language) vào responses để bot output TTS. Ví dụ: Sử dụng activity speak hoặc inputHints để kích hoạt giọng nói.

🛠️ Giải thích tất cả các phương án (Đúng và Sai)

Dưới đây là phân tích từng lựa chọn một, giữ nguyên văn bản gốc tiếng Anh. Tôi đánh dấu ✅ (đúng) hoặc ❌ (sai), kèm giải thích chi tiết bằng tiếng Việt dựa trên docs Microsoft mới nhất:

• Configure the language and voice settings for the Speech resource.
  ✅ Đúng. Bước đầu tiên thiết lập Speech service để khớp với ngôn ngữ bot (ví dụ: en-US, vi-VN). Thiếu bước này, STT/TTS sẽ fail. (Tham khảo: Azure AI Speech portal setup).

• Add the endpoint and key of the Speech resource to the bot.
  ✅ Đúng. Tích hợp credentials qua Bot Framework settings hoặc Composer publish config. Endpoint thường là wss://<region>.customvoice.api.speech.microsoft.com. (Tham khảo: Bot Framework Speech Primer).

• Add language understanding to dialogs.
  ❌ Sai. Language Understanding (LUIS/Conversational Language Understanding) dùng cho intent/entity recognition từ text, không trực tiếp hỗ trợ speech channels. Speech dùng riêng STT service.

• Add Orchestrator to the bot.
  ❌ Sai. Orchestrator là bot skill cho multi-model routing intents (thay thế Dispatch), chỉ liên quan đến conversation logic, không phải speech integration.

• Add Speech to the bot responses.
  ✅ Đúng. Trong Composer, thêm Speak activity hoặc SSML vào Adaptive Cards/responses để enable TTS output. Bắt buộc cho speech-based interactions.

• Remove the setSpeak configuration.
  ❌ Sai. setSpeak (hoặc speak property trong activity) là config để thêm speech output, không phải remove. Remove sẽ tắt speech thay vì thêm support.

📘 Tài liệu tham khảo (Cập nhật 2026)

• Microsoft Docs chính thức: Enable speech in Bot Framework (Bot Framework Speech channels guide).
• Composer-specific: Speech in Bot Framework Composer (Hướng dẫn tích hợp Speech resource).
• Azure AI Speech: Custom Neural Voice setup (Voice/language config, version 2024+ với hỗ trợ multilingual TTS).
• Direct Line Speech channel: Publish bot with speech (Kênh speech cho Bot Framework).

Hy vọng phân tích này giúp bạn nắm vững! 🚀 Nếu cần demo code hoặc lab Azure, hãy hỏi thêm.

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi này thuộc lĩnh vực Azure IoT và AI, tập trung vào việc xử lý dữ liệu từ Azure IoT Hub – dịch vụ nhận dữ liệu cảm biến (sensor data) từ các máy móc công nghiệp.

📋 Yêu cầu cụ thể của ứng dụng cần xây dựng:

• Phát hiện bất thường (anomaly detection) trên nhiều cảm biến tương quan lẫn nhau (multiple correlated sensors) – nghĩa là phải xử lý dữ liệu đa biến (multivariate), không chỉ đơn biến.
• Xác định nguyên nhân gốc rễ (root cause) của các sự cố dừng quy trình (process stops).
• Gửi cảnh báo sự cố (incident alerts).
• Tối ưu hóa thời gian phát triển (minimize development time) – ưu tiên dịch vụ sẵn có, không cần code phức tạp.

🛠️ Mục tiêu chính: Chọn dịch vụ Azure phù hợp nhất để xây dựng app nhanh chóng, hỗ trợ đầy đủ các tính năng trên mà không cần phát triển từ đầu. Đây là câu hỏi trắc nghiệm kiểu "best fit" trong Azure AI services.

✅ Đáp án đúng: Azure Metrics Advisor

Lý do lựa chọn:

• Azure Metrics Advisor (nay là phần mở rộng của Azure AI Anomaly Detector suite, cập nhật đến 2026) được thiết kế chuyên biệt cho phát hiện bất thường đa biến (multivariate anomaly detection) trên dữ liệu thời gian thực từ IoT, metrics, và logs.
• Nó tự động phân tích nguyên nhân gốc rễ (root cause analysis) qua các insight như correlation giữa sensors, topology view, và incident grouping.
• Hỗ trợ gửi alerts qua email, webhook, hoặc tích hợp Azure Monitor/Logic Apps.
• Giảm thời gian dev tối đa nhờ no-code/low-code: chỉ cần ingest data từ IoT Hub qua API/streaming, setup model tự động, không cần train ML thủ công.
• Hoàn hảo cho scenario công nghiệp như predictive maintenance trên machinery sensors.

Nguồn tham khảo 📘:

• Azure Metrics Advisor documentation (Microsoft Learn, cập nhật 2025).
• Azure AI Anomaly Detector multivariate features (phiên bản mới nhất hỗ trợ root cause đến 2026).

📝 Giải thích tất cả các phương án

• ✅ Azure Metrics Advisor
  🟢 Đúng: Như phân tích trên, dịch vụ này chính xác khớp 100% yêu cầu: multivariate anomaly trên correlated sensors, root cause analysis (qua diagnostics và explanation), incident alerts tự động, và minimize dev time với pre-built models. Tích hợp trực tiếp IoT Hub qua streaming ingestion.

• ❌ Form Recognizer
  🔴 Sai: Đây là dịch vụ OCR (Optical Character Recognition) chuyên trích xuất text từ form/documents (hóa đơn, giấy tờ). Không liên quan gì đến anomaly detection, sensors data, hay IoT. Không hỗ trợ time-series hay root cause.

• ❌ Azure Machine Learning
  🔴 Sai: Azure ML là nền tảng general-purpose để build/train/deploy custom ML models (bao gồm anomaly detection). Tuy hỗ trợ multivariate qua AutoML, nhưng yêu cầu development time cao (code pipelines, train data, deploy endpoints), không "minimize dev time". Không có root cause analysis sẵn built-in cho IoT scenarios.

• ❌ Anomaly Detector
  🔴 Sai: Đây là API cơ bản cho univariate anomaly detection (chỉ 1 sensor/time-series tại một thời điểm), không hỗ trợ multivariate correlated sensors hay root cause analysis. Phù hợp simple cases, nhưng cần custom code để scale cho multiple sensors, tăng dev time. (Lưu ý: Metrics Advisor là extension multivariate của nó).

Tóm tắt nhanh 🚀: Azure Metrics Advisor là lựa chọn "plug-and-play" lý tưởng cho IoT anomaly ở quy mô lớn, giúp engineer Azure tiết kiệm hàng tuần dev so với các option khác!

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi tập trung vào việc cấu hình một ứng dụng sử dụng Computer Vision API (thuộc Azure Cognitive Services) để phân tích hình ảnh. Yêu cầu cụ thể là cung cấp đầu ra dưới dạng câu hoàn chỉnh (complete sentences) dành cho người dùng khiếm thị (vision impaired). Điều này nhằm tạo ra mô tả chi tiết, dễ hiểu về nội dung hình ảnh, giúp người khiếm thị có thể hình dung rõ ràng qua ngôn ngữ tự nhiên.
Mục tiêu chính: Chọn API call phù hợp để sinh ra mô tả văn bản đầy đủ, không phải danh sách tag hoặc dữ liệu thô.
(Lưu ý: Mặc dù người dùng đề cập "chủ đề liên quan đến AWS", nhưng Computer Vision API là dịch vụ của Azure AI Vision – phiên bản cập nhật mới nhất đến 2026 vẫn giữ nguyên các API này với cải tiến về độ chính xác và hỗ trợ đa ngôn ngữ. AWS tương đương là Amazon Rekognition, nhưng câu hỏi rõ ràng dùng API Azure.)

✅ Đáp án đúng và lý do lựa chọn

Đáp án đúng: describeImageInStreamAsync
🛠️ Lý do: API describeImageInStreamAsync được thiết kế chuyên biệt để tạo ra mô tả hình ảnh dưới dạng câu hoàn chỉnh (captions), bao gồm các yếu tố chính như đối tượng, cảnh quan, hoạt động... Nó ưu tiên đầu ra dễ đọc, phù hợp hoàn hảo cho người khiếm thị. Ví dụ: "A dog is playing in the park with a ball" – một câu đầy đủ, tự nhiên. Đây là lựa chọn tối ưu theo tài liệu Azure AI Vision v4.0 (2024-2026), hỗ trợ stream input cho hiệu suất cao.

📋 Giải thích tất cả các phương án (đúng/sai)

Dưới đây là phân tích từng lựa chọn, giữ nguyên văn bản gốc bằng tiếng Anh. Mỗi phương án được đánh giá dựa trên chức năng thực tế của Azure Computer Vision API (cập nhật 2026):

• [SAI] readInStreamAsync
  ❌ Sai vì: API này dùng cho OCR (Optical Character Recognition), chỉ trích xuất văn bản từ hình ảnh (như chữ viết, biển báo). Đầu ra là chuỗi ký tự thô, không phải câu mô tả hoàn chỉnh về nội dung hình ảnh. Không phù hợp cho người khiếm thị cần mô tả tổng quát.

• [SAI] analyzeImagesByDomainInStreamAsync
  ❌ Sai vì: API này phân tích hình ảnh theo miền cụ thể (domain-specific) như landmark, accessories... Đầu ra là JSON với phân loại chi tiết, không phải câu hoàn chỉnh. Nó tập trung vào nhận diện chuyên sâu chứ không tạo mô tả tự nhiên, dễ hiểu.

• [SAI] tagImageInStreamAsync
  ❌ Sai vì: API này chỉ gán tag (nhãn) cho các đối tượng trong hình (ví dụ: "dog", "car", "outdoor"). Đầu ra là danh sách từ khóa ngắn gọn, không liên kết thành câu hoàn chỉnh. Không đáp ứng yêu cầu "complete sentences" cho người khiếm thị.

• [ĐÚNG] describeImageInStreamAsync
  ✅ Đúng vì: Như đã giải thích ở trên, đây là API lý tưởng tạo mô tả caption đầy đủ bằng câu. Hỗ trợ stream input, độ chính xác cao với Vision 4.0+, và tích hợp tốt cho accessibility.

📘 Tài liệu tham khảo

• Azure AI Vision Documentation (Microsoft Learn, cập nhật 2026): Computer Vision 4.0 API Reference – Chi tiết describeImage và các API stream.
• Quickstart Guide: Analyze Image Descriptions – Ví dụ code và output sentences.
• REST API v4: Describe Image Endpoint – Xác nhận chức năng captioning.

Hy vọng phân tích này giúp bạn nắm vững! 🚀 Nếu cần code mẫu Azure SDK, hãy cho tôi biết nhé!

🧠 Phân tích câu hỏi trắc nghiệm về Azure Content Moderator

📖 Giải thích nội dung câu hỏi một cách chi tiết:
Câu hỏi mô tả tình huống bạn đang phát triển một chatbot dựa trên văn bản (text-based chatbot) và cần kích hoạt chức năng kiểm duyệt nội dung (content moderation) bằng cách sử dụng Text Moderation API của dịch vụ Content Moderator (thuộc Azure AI Services).
Mục tiêu là chọn hai phản hồi (service responses) từ API này để thực hiện kiểm duyệt hiệu quả. Đây là câu hỏi kiểu multi-select (chọn nhiều đáp án đúng), mỗi đáp án đúng chiếm 1 điểm.
Text Moderation API chuyên phân tích văn bản để phát hiện nội dung không phù hợp như ngôn từ thô tục, nội dung người lớn (adult), gợi cảm (racy), thù địch (hate), hoặc tự hại (self-harm). API trả về các điểm số phân loại (classification scores) từ 0-1 để đánh giá mức độ rủi ro, giúp chatbot chặn hoặc cảnh báo nội dung xấu.
🛠️ Lưu ý quan trọng: Vì là chatbot văn bản thuần túy, API chỉ xử lý text, không liên quan đến hình ảnh hay dữ liệu cá nhân. Kiến thức dựa trên phiên bản mới nhất của Azure Content Moderator (cập nhật đến 2026, theo tài liệu Microsoft Learn).

✅ Đáp án đúng (hai lựa chọn):

• the adult classification score
• the racy classification score

🧩 Lý do chọn đáp án đúng:
Những phản hồi này là các điểm số phân loại cụ thể (scores) mà Text Moderation API trả về để đánh giá nội dung người lớn (adult: >0.5 có thể là nội dung khiêu dâm) và nội dung gợi cảm (racy: mức độ khiêu khích). Chúng giúp chatbot tự động kiểm duyệt văn bản nhạy cảm, ví dụ chặn tin nhắn chứa từ ngữ tình dục. Đây là hai chỉ số cốt lõi cho moderation text-based, phù hợp trực tiếp với yêu cầu câu hỏi.

📋 Giải thích tất cả các phương án (đúng và sai):

• ❌ personal data: Phương án này sai vì Text Moderation API không tập trung phát hiện dữ liệu cá nhân (PII như tên, email). Azure có dịch vụ riêng như PII Detection trong Language service hoặc Purview để xử lý, không phải Content Moderator.
• ✅ the adult classification score: Phương án này đúng vì đây là điểm số (AdultScore) từ 0-1 đánh giá nội dung khiêu dâm hoặc người lớn trong văn bản, giúp moderation chatbot hiệu quả.
• ❌ text classification: Phương án này sai vì "text classification" là tính năng chung của Azure Language, không phải phản hồi cụ thể từ Text Moderation API. API chỉ trả về scores chi tiết, không phải nhãn tổng quát.
• ❌ optical character recognition (OCR): Phương án này sai vì OCR dùng để trích xuất text từ hình ảnh (qua Computer Vision API), không áp dụng cho chatbot văn bản thuần túy. Content Moderator có hỗ trợ image moderation riêng, nhưng câu hỏi chỉ định Text API.
• ✅ the racy classification score: Phương án này đúng vì đây là điểm số (RacyScore) từ 0-1 đánh giá nội dung gợi cảm hoặc khêu gợi, là phần quan trọng để kiểm duyệt văn bản chat nhạy cảm.

📘 Tài liệu tham khảo (cập nhật mới nhất đến 2026):

• Microsoft Docs: Text Moderation API v1.0 – Chi tiết response JSON với AdultScore và RacyScore.
• Azure Content Moderator Overview – Giải thích classifications cho text.
• API Response Example – Xác nhận hai scores chính cho adult/racy.

Hy vọng phân tích này giúp bạn nắm vững! 🚀 Nếu cần ví dụ code triển khai, hãy hỏi thêm nhé!