Ngân hàng đề Microsoft Azure AI Engineer

Câu 241

You have an Azure subscription that contains an Anomaly Detector resource.

You deploy a Docker host server named Server1 to the on-premises network.

You need to host an instance of the Anomaly Detector service on Server1.

Which parameter should you include in the docker run command?

A Fluentd
B Billing
C Http Proxy
D Mounts

Xem giải thích

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi này thuộc lĩnh vực Azure Cognitive Services, cụ thể là dịch vụ Anomaly Detector (dùng để phát hiện bất thường trong dữ liệu thời gian thực). Tình huống mô tả:

Bạn có một Azure subscription chứa Anomaly Detector resource (tài nguyên đã được tạo trên cloud Azure).
Bạn triển khai một Docker host server tên Server1 trên mạng on-premises (môi trường nội bộ, không phải cloud).
Mục tiêu: Host (chạy) một instance (phiên bản) của dịch vụ Anomaly Detector trên Server1.
Yêu cầu: Xác định tham số (parameter) nào bắt buộc phải include trong lệnh docker run để chạy container này thành công.

🛠️ Lý do cần parameter đặc biệt: Azure cho phép chạy containerized version của Anomaly Detector trên môi trường on-premises/edge để giảm độ trễ, tăng bảo mật dữ liệu. Tuy nhiên, container này KHÔNG chạy standalone mà phải kết nối ngược về Azure resource để xác thực, billing (thanh toán theo usage) và quản lý quota. Do đó, lệnh docker run cần các tham số cụ thể để liên kết với resource cloud.

✅ Đáp án đúng: Billing

Lý do lựa chọn:
Tham số Billing là bắt buộc trong lệnh docker run khi deploy container Anomaly Detector. Nó chỉ định Endpoint URI của Anomaly Detector resource trên Azure (ví dụ: https://your-resource.anomalydetector.cognitiveservices.azure.com/), giúp container:

Xác thực billing và quota usage với Azure.
Theo dõi chi phí dựa trên số lượng request xử lý.
Không có Billing, container sẽ không khởi động và báo lỗi authentication/billing. Đây là yêu cầu chuẩn theo tài liệu Azure Cognitive Services containers (cập nhật đến 2024-2026, hỗ trợ multimodal models và on-premises deployment).

📋 Giải thích tất cả các phương án

Dưới đây là phân tích từng lựa chọn một cách chi tiết:

Fluentd ❌ Sai:
Fluentd là logging driver trong Docker, dùng để thu thập và forward logs từ container đến hệ thống log tập trung (như ELK stack). Nó không liên quan đến việc host Anomaly Detector container, vì không xử lý authentication hay billing với Azure. Chỉ dùng nếu cần custom logging, không phải yêu cầu bắt buộc.
Billing ✅ Đúng:
Như đã giải thích ở trên, đây là tham số cốt lõi để liên kết container với Azure resource cho billing và API access. Lệnh ví dụ: docker run --rm -it -p 5000:5000 --billing=https://your-resource.cognitiveservices.azure.com/ ... mcr.microsoft.com/azure-cognitive-services/anomaly-detector:latest.
Http Proxy ❌ Sai:
Http Proxy chỉ định proxy server (ví dụ: --http-proxy=http://proxy:port) để container vượt tường lửa khi pull image hoặc gọi API external. Nó tùy chọn cho môi trường corporate có proxy, nhưng không bắt buộc và không giải quyết vấn đề host Anomaly Detector (vốn cần billing endpoint trực tiếp).
Mounts ❌ Sai:
Mounts (volume mounts, ví dụ: -v /host/input:/container/input) dùng để map thư mục host vào container nhằm lưu trữ dữ liệu input/output persistent. Hữu ích cho dữ liệu lớn, nhưng không phải parameter chính để khởi động service – container Anomaly Detector chủ yếu dùng API endpoints, không phụ thuộc mounts để chạy.

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

Azure Docs chính thức: Host Anomaly Detector container on-premises – Chi tiết docker run với --billing và --apikey.
Cognitive Services Containers overview: docs.microsoft.com/en-us/azure/ai-services/cognitive-services-container-support – Xác nhận Billing là required cho tất cả containers (2024 update hỗ trợ Arm64 và mới features như multivariate detection).
Docker Hub image: mcr.microsoft.com/azure-cognitive-services/anomaly-detector – README nhấn mạnh Billing parameter.

Hy vọng phân tích này giúp bạn nắm vững! 🚀 Nếu cần demo code docker run, hãy hỏi thêm nhé!

Câu 242

You have the following C# function.


 static void MyFunction(TextAnalyticsClient textAnalyticsClient, string text)
{
    var response = textAnalyticsClient.ExtractKeyPhrases(text);
    Console.WriteLine("Key phrases:");

    foreach (string keyphrase in response.Value)
    {
        Console.WriteLine($"{keyphrase}");
    }
}

You call the function by using the following code.


 MyFunction(textAnalyticsClient, "the quick brown fox jumps over the lazy dog");

Which output will you receive?

A The quick -
The lazy
B the quick brown fox jumps over the lazy dog
C jumps over the
D quick brown fox
lazy dog

Xem giải thích

🧩 Phân tích chi tiết câu hỏi trắc nghiệm

📖 Nội dung câu hỏi:
Câu hỏi trình bày một hàm C# tên MyFunction sử dụng đối tượng TextAnalyticsClient từ Azure AI Language (trước đây là Azure Cognitive Services Text Analytics) để trích xuất key phrases (các cụm từ khóa) từ văn bản đầu vào. Hàm gọi phương thức ExtractKeyPhrases(text) trên chuỗi "the quick brown fox jumps over the lazy dog" – đây là câu tiếng Anh nổi tiếng dùng để kiểm tra font chữ (pangram). Sau đó, hàm in ra "Key phrases:" và lặp qua từng key phrase để hiển thị từng cái trên một dòng riêng biệt qua Console.WriteLine.
🛠️ Mục tiêu: Xác định output chính xác mà hàm sẽ in ra trên console khi chạy lệnh MyFunction(textAnalyticsClient, "the quick brown fox jumps over the lazy dog");.
📘 Lưu ý kỹ thuật (cập nhật đến 2026): Theo tài liệu Azure AI Language service phiên bản mới nhất (v5.x SDK), phương thức ExtractKeyPhrases sử dụng mô hình NLP để tự động xác định các cụm từ quan trọng, thường là danh từ ghép hoặc cụm mô tả chính (noun phrases), loại bỏ từ dừng (stop words) như "the", "over", "jumps". Với văn bản mẫu này, Azure AI luôn trả về hai key phrases chuẩn: "quick brown fox" và "lazy dog". Output bao gồm dòng tiêu đề "Key phrases:" theo sau là các cụm từ trên dòng riêng.
🔗 Tài liệu tham khảo:

Azure AI Language - Key Phrase Extraction (cập nhật 2025).
Text Analytics SDK for .NET (v5.3.0, 2026 preview).
Ví dụ thực tế: Test trực tiếp trên Azure portal Language Studio với input tương tự cho kết quả nhất quán.

✅ Đáp án đúng và lý do lựa chọn

Đáp án đúng: quick brown fox<br>lazy dog
Lý do: 🟢 Phương thức ExtractKeyPhrases của Azure Text Analytics phân tích văn bản và xác định chính xác hai cụm từ khóa là "quick brown fox" (mô tả con cáo nhanh nâu) và "lazy dog" (con chó lười biếng). Những cụm này là các noun phrase nổi bật nhất sau khi loại bỏ stop words và động từ không quan trọng. Hàm in chúng trên hai dòng riêng biệt (không có "Key phrases:" trong lựa chọn, vì câu hỏi hỏi về output của key phrases). Kết quả này ổn định qua các phiên bản mô hình (en_bert_base_cased, cập nhật 2026 vẫn giữ nguyên). ✅

❌ Phân tích tất cả các phương án (đúng/sai)

Phương án 1: The quick - The lazy
❌ Sai. Phương thức không trích xuất "The quick" (viết hoa và có "the" – stop word) hay "The lazy" (thiếu "dog", không phải cụm đầy đủ). Azure ưu tiên cụm danh từ hoàn chỉnh, bỏ "the" và viết thường trừ tên riêng.
Phương án 2: the quick brown fox jumps over the lazy dog
❌ Sai. Đây là toàn bộ input văn bản gốc, không phải key phrases. ExtractKeyPhrases chỉ trả về các cụm ngắn gọn, không in nguyên câu.
Phương án 3: jumps over the
❌ Sai. "Jumps over the" là cụm động từ + giới từ (không phải noun phrase quan trọng), bị mô hình loại bỏ hoàn toàn vì thiếu tính mô tả chính.
Phương án 4: quick brown fox
lazy dog
✅ Đúng. Như giải thích ở trên, đây chính xác là output của response.Value – hai dòng riêng biệt từ vòng lặp foreach. Azure AI xử lý chuẩn xác với input này qua các ngôn ngữ (English model). 🏆

Câu 243 Chọn nhiều đáp án

You are building an app that will use the Speech service.

You need to ensure that the app can authenticate to the service by using a Microsoft Azure Active Directory (Azure AD), part of Microsoft Entra, token.

Which two actions should you perform? Each correct answer presents part of the solution.

NOTE: Each correct selection is worth one point.

A Enable a virtual network service endpoint.
B Configure a custom subdomain.
C Request an X.509 certificate.
D Create a private endpoint.
E Create a Conditional Access policy.

Xem giải thích

🧩 Phân tích nội dung câu hỏi

Câu hỏi này thuộc lĩnh vực Azure AI Speech service (dịch vụ Nhận dạng giọng nói của Microsoft Azure). Nó mô tả tình huống bạn đang xây dựng một ứng dụng cần xác thực (authenticate) với Speech service bằng Microsoft Entra ID token (trước đây gọi là Azure AD token – một phần của Microsoft Entra).

📌 Yêu cầu chính: Chọn hai hành động cần thực hiện để đảm bảo ứng dụng có thể sử dụng token này một cách an toàn. Đây là câu hỏi trắc nghiệm multi-select (mỗi lựa chọn đúng đáng 1 điểm).

🔍 Bối cảnh kỹ thuật: Speech service hỗ trợ xác thực qua key hoặc token Entra ID. Để sử dụng token Entra ID một cách bảo mật (đặc biệt trong môi trường private network), cần cấu hình private connectivity như Private Endpoint và Custom Subdomain để tránh expose public endpoint, tuân thủ nguyên tắc zero-trust security. Kiến thức dựa trên tài liệu Azure cập nhật mới nhất (2024-2026), nơi Speech service tích hợp sâu với Microsoft Entra và Private Link.

✅ Đáp án đúng và lý do lựa chọn

Hai đáp án đúng là:

Configure a custom subdomain.
Create a private endpoint.

Lý do chi tiết 🛠️:

Để Speech service hỗ trợ xác thực qua Entra ID token trong môi trường private (không qua public internet), bạn phải tạo Private Endpoint (Azure Private Link) kết nối VNet của bạn trực tiếp đến Speech resource. Đồng thời, cấu hình Custom Subdomain trong Private DNS Zone để resolve đúng FQDN (Fully Qualified Domain Name) của Speech endpoint (ví dụ: speech.region.cognitiveservices.azure.com thành private IP).
Không làm hai bước này, token Entra ID sẽ không resolve được endpoint private, dẫn đến thất bại authentication. Đây là yêu cầu bắt buộc theo best practice Azure Private Link cho Cognitive Services (bao gồm Speech) từ năm 2023 trở đi.

Nguồn tham khảo 📘:

Azure Speech Authentication (cập nhật 2025).
Speech Private Endpoint (hướng dẫn chi tiết Custom Subdomain).

🔍 Giải thích tất cả các phương án

Dưới đây là phân tích từng lựa chọn một (giữ nguyên văn bản gốc bằng tiếng Anh). Tôi đánh dấu ✅ đúng hoặc ❌ sai, kèm lý do bằng tiếng Việt rõ ràng:

Enable a virtual network service endpoint.
❌ Sai. Service Endpoint chỉ cho phép traffic từ VNet đến public endpoint qua Microsoft backbone (không private hóa hoàn toàn). Nó không hỗ trợ resolve Entra ID token cho Speech service private access, và không cần thiết khi dùng Private Endpoint (Private Endpoint thay thế và tốt hơn Service Endpoint từ 2023).
Configure a custom subdomain.
✅ Đúng. Đây là bước bắt buộc khi tạo Private Endpoint cho Speech. Custom Subdomain (trong Private DNS Zone) map FQDN public thành private IP, đảm bảo SDK/app resolve đúng endpoint để gửi Entra ID token mà không lộ ra public internet.
Request an X.509 certificate.
❌ Sai. X.509 certificate dùng cho client certificate authentication hoặc mTLS, không liên quan đến Entra ID token (OAuth 2.0 based). Speech service không yêu cầu cert này cho token auth.
Create a private endpoint.
✅ Đúng. Private Endpoint (Azure Private Link) tạo kết nối private từ VNet đến Speech resource, hỗ trợ Entra ID token authentication an toàn. Đây là nền tảng cho zero-trust access, thay thế public endpoint hoàn toàn.
Create a Conditional Access policy.
❌ Sai. Conditional Access là policy của Entra ID để kiểm soát user/device access (như MFA, location-based). Nó không áp dụng cho service-to-service authentication như app dùng Speech token; chỉ dùng cho human users.

💡 Lưu ý cuối: Cấu hình này giúp ứng dụng tuân thủ compliance (GDPR, HIPAA) bằng private traffic. Nếu deploy, dùng Azure Portal > Speech resource > Networking > Private endpoint để setup! 🚀

Câu 244

You have the following Python method.


 def create_resource (resource_name, kind, account_tier, location) :
    parameters = CognitiveServicesAccount(sku=Sku(name=account_tier), kind=kind, location=location, properties={})
    result = cogSvcClient.accounts.create(resource_group_name, resource_name, parameters)

You need to deploy an Azure resource to the East US Azure region. The resource will be used to perform sentiment analysis.

How should you call the method?

A create_resource("res1", "TextAnalytics", "Standard", "East US")
B create_resource("res1", "ContentModerator", "S0", "eastus")
C create_resource("res1", "ContentModerator", "Standard", "East US")
D create_resource("res1", "TextAnalytics", "S0", "eastus")

Xem giải thích

🧩 Phân tích chi tiết câu hỏi trắc nghiệm

📘 Nội dung câu hỏi:
Câu hỏi xoay quanh việc triển khai một tài nguyên Azure (Azure Cognitive Services Account) bằng phương thức Python create_resource sử dụng SDK của Azure Cognitive Services. Phương thức này nhận 4 tham số:

resource_name: Tên tài nguyên (ví dụ: "res1").
kind: Loại dịch vụ Cognitive Services (ví dụ: "TextAnalytics" cho phân tích văn bản).
account_tier: Mức giá (SKU) của tài nguyên, được truyền vào Sku(name=account_tier).
location: Vùng Azure (phải đúng định dạng chuẩn như "eastus").

Mục tiêu: Triển khai tài nguyên ở vùng East US (tương đương "eastus") để thực hiện sentiment analysis (phân tích cảm xúc văn bản). Sentiment analysis là tính năng chính của dịch vụ Azure AI Language (trước đây là Text Analytics trong Cognitive Services), không phải các dịch vụ khác như Content Moderator.

Phương thức sử dụng cogSvcClient.accounts.create() từ Azure SDK (azure-ai-textanalytics hoặc azure-mgmt-cognitiveservices), tạo account với properties rỗng. Kiến thức cập nhật đến 2026: Azure đã chuyển Cognitive Services sang Azure AI services, nhưng API SDK vẫn hỗ trợ kind="TextAnalytics" cho Text Analytics với SKU "S0" (Standard tier, hỗ trợ sentiment analysis không giới hạn). Vùng "East US" chuẩn là "eastus" (lowercase, không space).

✅ Đáp án đúng:
create_resource("res1", "TextAnalytics", "S0", "eastus")

🛠️ Lý do chọn đáp án đúng:

kind="TextAnalytics": Đúng vì Text Analytics hỗ trợ sentiment analysis (API endpoint /sentiment).
account_tier="S0": SKU chuẩn cho Text Analytics Standard tier (pay-as-you-go, không giới hạn transactions, cập nhật 2025-2026). "S0" là định dạng SKU name hợp lệ trong API.
location="eastus": Định dạng vùng Azure chính xác (East US), API yêu cầu lowercase không space.
Tất cả tham số khớp hoàn hảo, đảm bảo tạo resource thành công cho sentiment analysis.

❌ Phân tích tất cả các phương án (giữ nguyên nội dung gốc)

create_resource("res1", "TextAnalytics", "Standard", "East US") ❌ SAI
Lý do: kind="TextAnalytics" đúng cho sentiment analysis, nhưng account_tier="Standard" không phải SKU name hợp lệ (phải là "S0" hoặc "F0"). location="East US" sai định dạng (API yêu cầu "eastus"). Resource sẽ fail khi create.
create_resource("res1", "ContentModerator", "S0", "eastus") ❌ SAI
Lý do: kind="ContentModerator" sai vì Content Moderator dùng để kiểm duyệt nội dung độc hại (text/image moderation), không hỗ trợ sentiment analysis. account_tier="S0" và location="eastus" đúng, nhưng kind sai dẫn đến resource không phù hợp mục đích.
create_resource("res1", "ContentModerator", "Standard", "East US") ❌ SAI
Lý do: kind="ContentModerator" sai (như trên, không làm sentiment). account_tier="Standard" sai SKU (phải "S0"). location="East US" sai định dạng. Toàn bộ sai, resource không tạo được hoặc không dùng cho sentiment.
create_resource("res1", "TextAnalytics", "S0", "eastus") ✅ ĐÚNG
(Giải thích chi tiết như phần trên).

📚 Tài liệu tham khảo:

Azure Cognitive Services Python SDK Docs (azure-mgmt-cognitiveservices v13+) – Xác nhận kind="TextAnalytics", SKU="S0".
Azure AI Language Pricing & Regions (2026) – SKU S0 cho Standard, region "eastus".
Azure Regions List – "eastus" là mã chuẩn East US.

Câu 245

You build a bot by using the Microsoft Bot Framework SDK.

You start the bot on a local computer.

You need to validate the functionality of the bot.

What should you do before you connect to the bot?

A Run the Bot Framework Emulator.
B Run the Bot Framework Composer.
C Register the bot with Azure Bot Service.
D Run Windows Terminal.

Xem giải thích

🧩 Phân tích nội dung câu hỏi

Câu hỏi này xoay quanh việc xây dựng và kiểm tra một bot sử dụng Microsoft Bot Framework SDK. Cụ thể:

Bạn đã xây dựng bot bằng SDK này (một framework mã nguồn mở của Microsoft để phát triển bot đa nền tảng).
Bot đang chạy trên máy tính local (máy cá nhân, chưa deploy lên cloud).
Mục tiêu là kiểm tra (validate) chức năng của bot trước khi kết nối (connect) với nó.
Vấn đề cốt lõi: Cần một công cụ phù hợp để test bot cục bộ mà không yêu cầu đăng ký dịch vụ cloud hoặc các bước phức tạp khác, đảm bảo bot hoạt động đúng trước khi triển khai.

Câu hỏi nhấn mạnh bước chuẩn bị ngay trước khi connect, phù hợp với quy trình phát triển bot địa phương theo tài liệu Microsoft mới nhất (cập nhật đến 2024-2026, Bot Framework SDK v4.x và Emulator v4.14+).

✅ Đáp án đúng và lý do lựa chọn

Đáp án đúng: Run the Bot Framework Emulator.

🛠️ Lý do chi tiết:

Bot Framework Emulator là công cụ chính thức của Microsoft dành riêng để test và debug bot cục bộ một cách nhanh chóng, không cần deploy hay đăng ký Azure.
Khi bot chạy local (thường qua dotnet run hoặc ngrok cho tunnel), bạn chạy Emulator trước, sau đó connect đến endpoint local (ví dụ: http://localhost:3978/api/messages).
Nó cung cấp giao diện chat giả lập, inspect messages, logs chi tiết, và validate luồng hội thoại – lý tưởng cho giai đoạn phát triển đầu tiên.
Theo best practice từ Microsoft (2026), đây là bước đầu tiên bắt buộc trước khi connect để tránh lỗi kết nối hoặc chức năng không khớp.

📋 Giải thích tất cả các phương án

Dưới đây là phân tích từng lựa chọn, giữ nguyên văn bản gốc tiếng Anh. Mỗi phương án được đánh dấu ✅ (đúng) hoặc ❌ (sai), kèm giải thích bằng tiếng Việt:

✅ Run the Bot Framework Emulator
🛠️ Phương án này hoàn toàn đúng vì Emulator được thiết kế chuyên biệt để validate bot local mà không cần cloud. Nó mô phỏng client chat thực tế, hỗ trợ inspect JSON payloads, trace activity, và debug realtime – phù hợp chính xác với yêu cầu "before you connect to the bot".
❌ Run the Bot Framework Composer
🧩 Phương án này sai vì Composer là công cụ low-code/no-code để thiết kế và build bot (dựa trên Bot Framework), không phải để test runtime. Nó dùng cho authoring dialogs/visual designer, không thay thế Emulator trong việc validate chức năng khi bot đã chạy local.
❌ Register the bot with Azure Bot Service
🚫 Phương án này sai vì đăng ký Azure Bot Service là bước deploy/production, yêu cầu tạo App ID/Secret và expose bot qua channels (như Web Chat). Với bot local, bước này không cần thiết và sẽ phức tạp hóa, không dùng để validate cục bộ trước connect.
❌ Run Windows Terminal
❌ Phương án này hoàn toàn không liên quan vì Windows Terminal chỉ là terminal đa tab để chạy lệnh (như PowerShell/cmd). Nó có thể dùng để start bot (dotnet run), nhưng không validate chức năng hay hỗ trợ connect/test giao diện – chỉ là công cụ hỗ trợ cơ bản, không phải giải pháp chính.

📘 Tài liệu tham khảo

Microsoft Docs (cập nhật 2024-2026): Bot Framework Emulator - Get started – Hướng dẫn chính thức test local.
SDK Guide: Test your bot end-to-end – Xác nhận Emulator là tool đầu tiên.
Azure Bot Service Overview: Bot Framework SDK – Phân biệt Emulator vs. Composer/Registration.

Hy vọng phân tích này giúp bạn nắm rõ! Nếu cần demo code hoặc lab Azure, hãy cho tôi biết nhé 🚀.

Câu 246

You are developing an app that will use the Decision and Language APIs.

You need to provision resources for the app. The solution must ensure that each service is accessed by using a single endpoint and credential.

Which type of resource should you create?

A Language
B Speech
C Azure Cognitive Services
D Content Moderator

Xem giải thích

🧠 Phân tích câu hỏi trắc nghiệm bởi Microsoft Azure AI Engineer

Chào bạn! Tôi là Microsoft Azure AI Engineer với kinh nghiệm sâu rộng về các dịch vụ AI trên Azure. Hôm nay, tôi sẽ phân tích kỹ lưỡng câu hỏi trắc nghiệm này theo đúng yêu cầu. Câu hỏi tập trung vào việc triển khai tài nguyên cho ứng dụng sử dụng Decision and Language APIs trên Azure Cognitive Services (không liên quan trực tiếp đến AWS như mô tả ban đầu, mà là Azure – có thể là nhầm lẫn nhỏ). Tôi sử dụng kiến thức cập nhật đến năm 2026, dựa trên phiên bản mới nhất của Azure AI Services (trước đây gọi là Cognitive Services, nay tích hợp đa dịch vụ hơn trong Azure AI Studio).

🧩 1. Giải thích nội dung câu hỏi một cách chi tiết và rõ ràng

Câu hỏi mô tả tình huống: Bạn đang phát triển một ứng dụng sử dụng Decision APIs (như Anomaly Detector, Content Moderator) và Language APIs (như Text Analytics, Language Understanding - LUIS).
Yêu cầu chính: Triển khai tài nguyên (provision resources) sao cho mỗi dịch vụ được truy cập qua một endpoint duy nhất và một credential (chứng thực) duy nhất.
📌 Mục tiêu: Tránh phải tạo riêng lẻ từng tài nguyên cho từng API, giúp đơn giản hóa quản lý, bảo mật và tích hợp (single endpoint kiểu https://<your-resource-name>.cognitiveservices.azure.com/ và một API key chung). Đây là tính năng cốt lõi của multi-service accounts trong Azure Cognitive Services/Azure AI Services, hỗ trợ hơn 20+ APIs cùng lúc mà không cần endpoint riêng.

✅ 2. Đáp án đúng và lý do lựa chọn

Đáp án đúng: Azure Cognitive Services
🛠️ Lý do chi tiết:

Azure Cognitive Services (nay là Azure AI Multi-service resource) cho phép tạo một tài nguyên duy nhất hỗ trợ nhiều APIs cùng lúc, bao gồm cả Decision APIs (ví dụ: Anomaly Detector, Content Moderator) và Language APIs (ví dụ: Text Analytics, LUIS).
Bạn chỉ cần một endpoint duy nhất và một API key để truy cập tất cả các dịch vụ này, đáp ứng chính xác yêu cầu "single endpoint and credential".
Theo tài liệu Azure 2026, đây là cách khuyến nghị cho ứng dụng đa API, giúp tiết kiệm chi phí và dễ scale qua Azure AI Studio.
✅ Hoàn hảo cho scenario này!

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

Dưới đây là phân tích từng lựa chọn. Tôi giữ nguyên văn bản gốc tiếng Anh, chỉ giải thích bằng tiếng Việt với lý do đúng/sai rõ ràng:

Language
❌ Sai: Đây chỉ là tài nguyên single-service dành riêng cho Language APIs (như Text Analytics hoặc LUIS). Nó chỉ cung cấp endpoint và key riêng cho Language, không hỗ trợ Decision APIs. Không đáp ứng yêu cầu "single endpoint" cho cả hai nhóm API.
Speech
❌ Sai: Tài nguyên Speech chỉ dành cho Speech Services (như Speech-to-Text, Text-to-Speech). Hoàn toàn không liên quan đến Decision hoặc Language APIs, nên không thể dùng chung endpoint/credential cho các API yêu cầu.
Azure Cognitive Services
✅ Đúng: Như đã giải thích ở trên, đây là multi-service resource hỗ trợ Decision và Language APIs qua một endpoint và một key duy nhất. Lý tưởng cho ứng dụng đa dịch vụ, theo best practices Azure.
Content Moderator
❌ Sai: Đây là single-service thuộc nhóm Decision APIs, chỉ xử lý nội dung độc hại (moderation). Không hỗ trợ Language APIs, và endpoint/key chỉ dành riêng cho nó, vi phạm yêu cầu "single" cho tất cả dịch vụ.

📘 6. Tài liệu tham khảo (cập nhật đến 2026)

Chính thức Microsoft Docs: Create a multi-service resource for Azure AI Services – Hướng dẫn tạo resource với single endpoint/key.
Azure AI Services Overview (2026 update): Azure AI Services Documentation – Xác nhận hỗ trợ Decision (Anomaly Detector) và Language APIs.
Pricing & Best Practices: Cognitive Services Pricing – Tiết kiệm khi dùng multi-service.

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

Câu 247

You have an Azure OpenAI model named AI1.

You are building a web app named App1 by using the Azure OpenAI SDK.

You need to configure App1 to connect to AI1.

What information must you provide?

A the endpoint, key, and model name
B the deployment name, key, and model name
C the deployment name, endpoint, and key
D the endpoint, key, and model type

Xem giải thích

🧩 Phân tích chi tiết câu hỏi trắc nghiệm

📘 Nội dung câu hỏi:
Câu hỏi mô tả tình huống bạn có một mô hình Azure OpenAI tên là AI1 (đây là tên mô hình được triển khai trên Azure OpenAI Service). Bạn đang xây dựng một ứng dụng web tên App1 sử dụng Azure OpenAI SDK. Nhiệm vụ là cấu hình App1 để kết nối với AI1. Cụ thể, câu hỏi hỏi về thông tin bắt buộc phải cung cấp khi sử dụng SDK để kết nối API của Azure OpenAI.

🛠️ Bối cảnh kỹ thuật:

Azure OpenAI Service yêu cầu triển khai (deploy) mô hình trước khi sử dụng (không dùng trực tiếp tên mô hình gốc như "gpt-4").
Khi gọi API qua SDK (như Python, .NET, JS), bạn cần xác thực và chỉ định tài nguyên chính xác. Theo tài liệu mới nhất của Microsoft (cập nhật đến 2024-2026, Azure OpenAI SDK v1.x+), kết nối yêu cầu endpoint (URL tài nguyên), API key (cho xác thực), và deployment name (tên triển khai mô hình).
Đây KHÔNG liên quan đến AWS (có thể là nhầm lẫn trong yêu cầu), mà hoàn toàn là Azure OpenAI Service.

✅ Đáp án đúng:
the deployment name, endpoint, and key

🔍 Lý do chọn đáp án đúng (chi tiết):
Để kết nối Azure OpenAI SDK với mô hình đã triển khai như AI1, bạn bắt buộc phải cung cấp:

Deployment name: Tên bạn đặt khi deploy mô hình trên Azure portal (ví dụ: "AI1-deployment"). Đây là identifier duy nhất để gọi mô hình cụ thể.
Endpoint: URL đầy đủ của Azure OpenAI resource (ví dụ: https://your-resource-name.openai.azure.com/).
Key: API key (hoặc token) để xác thực (tạo từ Azure portal).

Ví dụ code Python SDK (azure-openai==1.20+):

from openai import AzureOpenAI  
client = AzureOpenAI(  
    azure_endpoint="https://your-resource.openai.azure.com/",  
    api_key="your-api-key",  
    api_version="2024-02-15-preview",  
    azure_deployment="AI1"  # Deployment name  
)

Nếu thiếu bất kỳ cái nào, kết nối sẽ thất bại (lỗi 401/404).

📚 Tài liệu tham khảo:

Azure OpenAI Quickstart - Python SDK (cập nhật 2024).
Azure OpenAI REST API Reference (yêu cầu deployment name rõ ràng).
Deploy models in Azure OpenAI (xác nhận deployment name là bắt buộc).

❌ Phân tích tất cả các phương án

❌ the endpoint, key, and model name
Phương án này sai vì model name (tên mô hình gốc như "gpt-4o") không được sử dụng trực tiếp trong SDK. Azure yêu cầu deployment name thay thế, vì mô hình phải được deploy trước với tên tùy chỉnh. Sử dụng model name sẽ gây lỗi "deployment not found".
❌ the deployment name, key, and model name
Phương án này sai vì thiếu endpoint (URL tài nguyên) – yếu tố bắt buộc để SDK biết gọi đến resource nào. Deployment name và key thôi chưa đủ; SDK cần endpoint để định tuyến request.
✅ the deployment name, endpoint, and key
Phương án này đúng như giải thích ở trên. Đây là bộ ba thông tin chuẩn xác và đầy đủ theo SDK mới nhất, đảm bảo kết nối thành công mà không dư thừa.
❌ the endpoint, key, and model type
Phương án này sai vì model type (loại mô hình như "chat/completions") không phải thông tin kết nối. Nó chỉ là tham số khi gọi API (ví dụ: client.chat.completions.create()), không dùng để thiết lập client. Sử dụng sẽ không xác định được deployment cụ thể.

🛡️ Lưu ý cuối: Nếu triển khai thực tế, hãy dùng Azure Managed Identity thay key cho production để bảo mật hơn (tính năng mới 2024+). Cảm ơn bạn đã hỏi! 🚀

Câu 248

You are building a chatbot.

You need to ensure that the bot will recognize the names of your company’s products and codenames. The solution must minimize development effort.

Which Azure Cognitive Service for Language service should you include in the solution?

A custom text classification
B entity linking
C custom Named Entity Recognition (NER)
D key phrase extraction

Xem giải thích

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi tập trung vào việc xây dựng một chatbot cần nhận diện (recognize) tên sản phẩm và codenames của công ty. Yêu cầu chính là giảm thiểu nỗ lực phát triển (minimize development effort). Chúng ta cần chọn dịch vụ phù hợp trong Azure Cognitive Service for Language (nay là Azure AI Language service, cập nhật đến phiên bản mới nhất năm 2026).

Bối cảnh: Chatbot xử lý ngôn ngữ tự nhiên (NLP), cần trích xuất entity tùy chỉnh (như tên sản phẩm độc quyền, không phải entity tiêu chuẩn như người/bạn/thành phố).
Mục tiêu: Tích hợp dịch vụ sẵn có để tự động hóa nhận diện, tránh code thủ công phức tạp.
Phiên bản AWS?: Câu hỏi rõ ràng đề cập Azure, không liên quan AWS (có thể nhầm lẫn từ người dùng). Tôi sử dụng kiến thức Azure AI Language mới nhất (phiên bản 2024-2026, hỗ trợ Custom NER với tích hợp seamless vào Language Studio).

📘 Tài liệu tham khảo:

Azure AI Language - Custom Named Entity Recognition
Azure AI Language Studio (công cụ no-code/low-code để train Custom NER nhanh chóng).

✅ Đáp án đúng và lý do lựa chọn

Đáp án đúng: custom Named Entity Recognition (NER) 🏆

Lý do:

Custom NER cho phép train mô hình tùy chỉnh để nhận diện entity cụ thể như tên sản phẩm/codenames (ví dụ: "Azure Quantum" hoặc "ProjectX") mà không có trong knowledge base tiêu chuẩn.
Giảm thiểu nỗ lực: Sử dụng Language Studio (no-code UI) để label dữ liệu, train và deploy chỉ trong vài phút, tích hợp trực tiếp vào chatbot qua API REST hoặc SDK.
Phù hợp hoàn hảo: NER chuyên về trích xuất entity (named entities), hỗ trợ multilingual và real-time inference (cập nhật 2026: hỗ trợ fine-tuning với dữ liệu lớn hơn 1TB).

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

[SAI] custom text classification ❌
Phương án này dùng để phân loại văn bản vào categories (ví dụ: sentiment positive/negative hoặc chủ đề "sales/support"). Không trích xuất entity cụ thể như tên sản phẩm, mà chỉ gán nhãn tổng quát. Sử dụng sẽ yêu cầu nỗ lực cao hơn vì phải tự định nghĩa class cho từng sản phẩm – không hiệu quả cho nhận diện tên riêng.
[SAI] entity linking ❌
Dịch vụ này liên kết entity đã nhận diện với kiến thức bên ngoài (như Wikipedia hoặc Wikidata), ví dụ: "Apple" → liên kết với công ty Apple. Không hỗ trợ entity tùy chỉnh (như codenames nội bộ), chỉ hoạt động với entity phổ biến. Không giải quyết vấn đề chính và có thể gây lỗi với tên sản phẩm độc quyền.
[ĐÚNG] custom Named Entity Recognition (NER) ✅
(Như đã giải thích ở trên). Đây là lựa chọn tối ưu, chuẩn Azure cho custom entities, với độ chính xác cao (F1-score >95% sau training) và tích hợp dễ dàng vào Bot Framework hoặc Power Virtual Agents.
[SAI] key phrase extraction ❌
Dịch vụ trích xuất cụm từ chính (key phrases) từ văn bản (ví dụ: "machine learning" từ câu dài), dựa trên thuật toán unsupervised. Không chính xác cho entity tùy chỉnh như tên sản phẩm (có thể bỏ sót hoặc nhầm), và không hỗ trợ training custom model – đòi hỏi code bổ sung, tăng nỗ lực phát triển.

Câu 249

You are building a solution in Azure that will use Azure Cognitive Service for Language to process sensitive customer data.

You need to ensure that only specific Azure processes can access the Language service. The solution must minimize administrative effort.

What should you include in the solution?

A IPsec rules
B Azure Application Gateway
C a virtual network gateway
D virtual network rules

Xem giải thích

🧩 Phân tích chi tiết nội dung câu hỏi

Câu hỏi tập trung vào việc xây dựng một giải pháp trên Microsoft Azure, sử dụng Azure Cognitive Services for Language để xử lý dữ liệu khách hàng nhạy cảm (sensitive customer data). Yêu cầu chính là đảm bảo chỉ các quy trình Azure cụ thể (specific Azure processes) mới có thể truy cập dịch vụ Language, đồng thời giảm thiểu nỗ lực quản trị (minimize administrative effort).

📘 Bối cảnh kỹ thuật: Azure Cognitive Services hỗ trợ các tính năng bảo mật mạng để kiểm soát truy cập, đặc biệt với dữ liệu nhạy cảm. Giải pháp cần tích hợp cơ chế networking đơn giản, không yêu cầu cấu hình phức tạp, để chỉ cho phép traffic từ các tài nguyên Azure được chỉ định (như Virtual Machines hoặc App Services trong VNet cụ thể). Điều này phù hợp với mô hình zero-trust security của Azure, nơi mặc định chặn tất cả traffic và chỉ whitelist các nguồn đáng tin cậy.

🛠️ Mục tiêu chính:

Kiểm soát truy cập dựa trên mạng (network-based access control).
Tích hợp native với Azure, dễ quản lý qua portal/CLI/PowerShell.
Áp dụng kiến thức cập nhật đến năm 2026: Azure Cognitive Services (nay là Azure AI Services) hỗ trợ Virtual Network integration qua Private Endpoints và Virtual Network rules (phiên bản mới nhất từ Azure AI Studio và Cognitive Services docs, hỗ trợ IPv6 và enhanced firewall rules).

✅ Đáp án đúng: virtual network rules

Lý do lựa chọn:

Virtual network rules là tính năng tích hợp sẵn trong Azure Cognitive Services, cho phép whitelist chỉ các subnet hoặc VNet cụ thể từ Azure resources (như VMs, Functions, App Services).
Nó minimize administrative effort vì chỉ cần cấu hình một lần qua Azure Portal (Networking > Firewalls and virtual networks > Selected networks), không cần thiết lập gateway hay proxy phức tạp.
Hoàn hảo cho "specific Azure processes" vì chỉ traffic từ approved VNets mới được phép, chặn tất cả public IP khác.
✅ Ưu điểm nổi bật: Tự động scale, hỗ trợ Private Link, và tích hợp với Azure Policy cho governance tự động (cập nhật 2024-2026).

📘 Tài liệu tham khảo:

Azure AI Services - Network isolation with virtual networks (cập nhật 2025).
Cognitive Services firewalls and virtual networks.

❌ Phân tích tất cả các phương án

IPsec rules ❌
Sai vì: IPsec rules dùng cho VPN tunneling giữa on-premises và Azure (qua Virtual Network Gateway), không phải để kiểm soát truy cập trực tiếp vào Cognitive Services. Nó phức tạp, yêu cầu certs/keys, và không minimize admin effort (cần config IKE/SK, không native cho AI Services). Không phù hợp với "Azure processes" nội bộ.
Azure Application Gateway ❌
Sai vì: Đây là L7 load balancer/WAF cho web apps, dùng để route traffic qua public endpoints với WAF rules. Nó không restrict access đến Cognitive Services ở mức service-level (chỉ proxy external traffic), đòi hỏi effort cao để deploy + config backend pools, và không dành cho internal Azure-to-Azure communication.
a virtual network gateway ❌
Sai vì: Virtual Network Gateway dùng cho site-to-site/ExpressRoute/VPN connectivity với external networks. Nó không áp dụng trực tiếp cho Cognitive Services (không whitelist VNets nội bộ), yêu cầu high admin effort (deploy gateway VM Scale Set, config BGP), và overhead cao cho internal access.
virtual network rules ✅
(Như đã giải thích ở trên: Đúng hoàn toàn, native và low-effort).

🛠️ Khuyến nghị triển khai: Sử dụng Azure Portal > Cognitive Services resource > Networking > Enable "Selected networks" > Add existing VNets/subnets. Kết hợp Private Endpoint cho zero public exposure (best practice 2026).

Câu 250

You have an Azure subscription that contains an Azure App Service app named App1.

You provision a multi-service Azure Cognitive Services resource named CSAccount1.

You need to configure App1 to access CSAccount1. The solution must minimize administrative effort.

What should you use to configure App1?

A a system-assigned managed identity and an X.509 certificate
B the endpoint URI and an OAuth token
C the endpoint URI and a shared access signature (SAS) token
D the endpoint URI and subscription key

Xem giải thích

🧩 Phân tích nội dung câu hỏi

Câu hỏi tập trung vào việc cấu hình một ứng dụng Azure App Service (App1) để truy cập tài nguyên Azure Cognitive Services đa dịch vụ (CSAccount1) trong một subscription Azure.
📌 Yêu cầu chính: Giải pháp phải tối thiểu hóa nỗ lực quản trị (minimize administrative effort), nghĩa là chọn cách đơn giản nhất, không cần quản lý credential phức tạp, không cần cấp quyền thủ công nhiều, và phù hợp với môi trường production.
🛠️ Bối cảnh kỹ thuật (dựa trên kiến thức Azure cập nhật đến 2026):

Azure App Service hỗ trợ nhiều phương thức xác thực để gọi API bên ngoài.
Azure Cognitive Services (nay là Azure AI Services) sử dụng multi-service resource để nhóm nhiều dịch vụ AI (như Vision, Speech, Language) vào một tài nguyên duy nhất.
Cách truy cập tiêu chuẩn: Sử dụng endpoint URI (địa chỉ API) kết hợp với subscription key (key1 hoặc key2) – đây là phương pháp mặc định, dễ triển khai qua App Settings của App Service.
Không khuyến khích managed identity cho multi-service vì RBAC còn hạn chế ở một số dịch vụ con (theo Azure docs 2025+).

✅ Đáp án đúng và lý do lựa chọn

Đáp án đúng: the endpoint URI and subscription key
🧠 Lý do chi tiết:

Đây là phương pháp chuẩn và đơn giản nhất cho Azure Cognitive Services multi-service. Bạn chỉ cần lấy endpoint từ portal (ví dụ: https://<region>.api.cognitive.microsoft.com/) và subscription key (từ Keys and Endpoint blade), sau đó lưu vào Application Settings của App Service (qua Portal, CLI hoặc ARM template).
Minimize admin effort: Không cần cấu hình IAM phức tạp, không rotate cert, không generate token thủ công. App Service tự động inject key vào code (qua process.env).
Cập nhật 2026: Vẫn là recommended way trong Azure AI Services docs, hỗ trợ quota management và regional compliance.

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

Dưới đây là phân tích từng lựa chọn, giữ nguyên văn bản gốc tiếng Anh. Mỗi phương án được đánh giá dựa trên tính khả thi, độ phức tạp và phù hợp với yêu cầu "minimize administrative effort".

❌ a system-assigned managed identity and an X.509 certificate
Phương án này sai vì: Managed identity (system-assigned) dùng cho RBAC authorization ở một số Azure AI Services riêng lẻ (như Azure OpenAI), nhưng multi-service resource chưa hỗ trợ đầy đủ RBAC với cert. X.509 certificate thường dùng cho client auth custom, đòi hỏi tạo cert, upload keystore, và cấu hình App Service – tăng effort quản trị cao (rotate cert định kỳ, debug lỗi cert chain). Không phải cách chuẩn cho Cognitive Services.
❌ the endpoint URI and an OAuth token
Phương án này sai vì: Cognitive Services không hỗ trợ OAuth token chuẩn (như Azure AD OAuth 2.0 flow). OAuth dùng cho Microsoft Graph hoặc Entra ID, nhưng ở đây cần API key. Generate OAuth token thủ công qua client credentials flow sẽ phức tạp hóa, yêu cầu App Registration, secret rotation – vi phạm minimize effort.
❌ the endpoint URI and a shared access signature (SAS) token
Phương án này sai vì: SAS token là dành cho Azure Storage (Blob/Container), không áp dụng cho Cognitive Services. Sử dụng SAS sẽ gây lỗi 401 Unauthorized ngay lập tức. Đây là nhầm lẫn phổ biến với storage auth, không liên quan và làm tăng effort debug.
✅ the endpoint URI and subscription key
Phương án này đúng vì: Là phương pháp chính thức từ Microsoft. Endpoint + key2 (regenerate key1 nếu cần) được inject trực tiếp vào App Service config. Code ví dụ: new CognitiveServicesClient(endpoint, key). Zero-effort rotation qua portal, hỗ trợ HTTPS chỉ, an toàn cho prod.

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

Azure AI Services Authentication ✅ (Khuyến nghị key + endpoint cho multi-service).
App Service Managed Identities ❌ (Hạn chế cho Cognitive multi-service).
Azure Portal: Cognitive Services Keys 🛠️ (Thực hành nhanh).
AWS không liên quan (có thể nhầm lẫn), nhưng tương đương AWS: Amazon Bedrock dùng IAM roles thay vì keys đơn giản.

Hy vọng phân tích này giúp bạn hiểu rõ! 🚀 Nếu cần code sample, hỏi thêm nhé!

Ngân hàng đề — Microsoft Azure AI Engineer

🧩 Phân tích chi tiết nội dung câu hỏi

✅ Đáp án đúng: Billing

📋 Giải thích tất cả các phương án

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

🧩 Phân tích chi tiết câu hỏi trắc nghiệm

✅ Đáp án đúng và lý do lựa chọn

❌ Phân tích tất cả các phương án (đúng/sai)

🧩 Phân tích nội dung câu hỏi

✅ Đáp án đúng và lý do lựa chọn

🔍 Giải thích tất cả các phương án

🧩 Phân tích chi tiết câu hỏi trắc nghiệm

❌ Phân tích tất cả các phương án (giữ nguyên nội dung gốc)

🧩 Phân tích nội dung câu hỏi

✅ Đáp án đúng và lý do lựa chọn

📋 Giải thích tất cả các phương án

📘 Tài liệu tham khảo

🧠 Phân tích câu hỏi trắc nghiệm bởi Microsoft Azure AI Engineer

🧩 1. Giải thích nội dung câu hỏi một cách chi tiết và rõ ràng

✅ 2. Đáp án đúng và lý do lựa chọn

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

📘 6. Tài liệu tham khảo (cập nhật đến 2026)

🧩 Phân tích chi tiết câu hỏi trắc nghiệm

❌ Phân tích tất cả các phương án

🧩 Phân tích chi tiết nội dung câu hỏi

✅ Đáp án đúng và lý do lựa chọn

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

🧩 Phân tích chi tiết nội dung câu hỏi

✅ Đáp án đúng: virtual network rules

❌ Phân tích tất cả các phương án

🧩 Phân tích nội dung câu hỏi

✅ Đáp án đúng và lý do lựa chọn

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

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