Ngân hàng đề — Microsoft Azure AI Fundamentals

Tìm thấy 316 câu.

Câu 171 AI Language
What is a primary use case for sentiment analysis within Azure AI Services?
  1. A Optimizing cloud cost management
  2. B Enhancing network security
  3. C Automating IT operations
  4. D Analyzing customer feedback and social media sentiments
Xem giải thích

Đáp án

D — Phân tích phản hồi khách hàng và tâm lý trên mạng xã hội

Vì sao đúng

Phân tích cảm xúc lấy vào văn bản do con người viết và trả ra thái độ tích cực, tiêu cực hay trung tính. Ứng dụng tự nhiên nhất là nơi có nhiều văn bản như vậy: đánh giá sản phẩm, phiếu hỗ trợ, bình luận mạng xã hội. Doanh nghiệp dùng nó để theo dõi mức hài lòng theo thời gian và phát hiện sớm khủng hoảng.

Vì sao các phương án khác sai

Ba phương án còn lại đều thuộc lĩnh vực vận hành hạ tầng, nơi dữ liệu là số liệu và log chứ không phải ý kiến của con người:

  • A. Tối ưu chi phí đám mây
  • B. Tăng cường an ninh mạng
  • C. Tự động hoá vận hành công nghệ thông tin

Cảm xúc chỉ tồn tại trong văn bản do người viết ra — đó là ranh giới rõ ràng của kỹ thuật này.

Câu 172 Responsible AI
When considering fairness in an AI solution that uses Azure AI Services, which of the following steps should be prioritized to mitigate bias in AI models?
  1. A Focusing exclusively on improving the model's accuracy, irrespective of the data input.
  2. B Increasing the compute resources allocated to the AI model to improve its performance.
  3. C Implementing diverse and representative datasets to train the AI models.
  4. D Regularly updating the AI model with the latest features released by Azure AI Services.
Xem giải thích

Đáp án

C — Dùng tập dữ liệu đa dạng và có tính đại diện để huấn luyện

Vì sao đúng

Thiên lệch của mô hình bắt nguồn từ dữ liệu, nên biện pháp phải bắt đầu từ đó. "Đại diện" ở đây nghĩa là phân bố dữ liệu phản ánh đúng tập người dùng thật — nếu 30% khách hàng thuộc một nhóm mà nhóm đó chỉ chiếm 2% dữ liệu huấn luyện, mô hình sẽ phục vụ họ kém hơn hẳn.

Vì sao các phương án khác sai

  • A. Chỉ tập trung cải thiện độ chính xác — độ chính xác tổng thể có thể rất cao trong khi mô hình hoạt động tệ với một nhóm nhỏ; con số tổng che mất điều đó.
  • B. Tăng tài nguyên tính toán — mô hình chạy nhanh hơn chứ không công bằng hơn.
  • D. Cập nhật mô hình theo tính năng mới của Azure — không có quan hệ nhân quả nào với thiên lệch.
Câu 173 AI Vision
When utilizing Azure AI Services for an OCR solution, what feature ensures the system can understand and extract text and structure from scanned documents that are stored in an unstructured format, making it easier to digitize and automate processing of paper-based information?
  1. A Semantic search capabilities
  2. B Real-time speech translation
  3. C Text Analytics for health
  4. D

    Azure AI Document Intelligence document model
Xem giải thích

Đáp án

D — Mô hình tài liệu của Azure AI Document Intelligence

Vì sao đúng

Điểm mấu chốt trong đề là trích xuất cả chữ lẫn cấu trúc. OCR thông thường chỉ trả về chuỗi ký tự; Document Intelligence hiểu bố cục của tài liệu — bảng có bao nhiêu hàng cột và giá trị nào thuộc ô nào, cặp nhãn–giá trị nào đi với nhau, phần nào là tiêu đề. Nhờ vậy đầu ra là dữ liệu có cấu trúc dùng được ngay, không phải chuỗi chữ phải tự bóc tách.

Vì sao các phương án khác sai

  • A. Tìm kiếm ngữ nghĩa — làm việc trên văn bản đã có, không đọc từ tài liệu quét.
  • B. Dịch giọng nói thời gian thực — sai hẳn loại dữ liệu.
  • C. Text Analytics for health — trích xuất khái niệm y tế từ văn bản, nhưng đầu vào phải là chữ chứ không phải ảnh quét.
Câu 174 Azure ML
In the context of Automated Machine Learning (AutoML) on Azure, which of the following best describes the capabilities it provides?
  1. A It only allows data scientists to implement complex machine learning models, lacking support for individuals with limited machine learning experience.
  2. B AutoML streamlines the machine learning pipeline, including feature selection, algorithm selection, and hyperparameter tuning, enabling experts and novices alike to build efficient models.
  3. C It enables creating, deploying, and maintaining machine learning models manually without any automatic optimizations or scalability considerations.
  4. D It automates the process of applying machine learning to solve problems, including data preprocessing, model selection, and hyperparameter tuning, but cannot handle large datasets effectively.
Xem giải thích

Đáp án

B — AutoML tinh gọn toàn bộ quy trình học máy, giúp cả chuyên gia lẫn người mới dựng được mô hình

Vì sao đúng

AutoML tự động hoá những khâu tốn thời gian và đòi kinh nghiệm nhất: chọn đặc trưng, chọn thuật toán, và dò siêu tham số. Nó thử nhiều tổ hợp rồi xếp hạng theo chỉ số bạn chọn. Điểm quan trọng là phương án này nêu đúng cả hai nhóm người dùng — người mới có đường vào, còn chuyên gia tiết kiệm được thời gian dò tìm.

Vì sao các phương án khác sai

  • A. Chỉ dành cho nhà khoa học dữ liệu, không hỗ trợ người ít kinh nghiệm — ngược hẳn với mục đích tồn tại của AutoML.
  • C. Tạo và duy trì mô hình thủ công, không có tối ưu tự động — mô tả đúng thứ AutoML không phải.
  • D — mô tả đúng phần đầu nhưng kết luận rằng nó không xử lý được dữ liệu lớn, điều không đúng: AutoML chạy trên cụm tính toán co giãn của Azure ML.
Câu 175 AI Core
In which scenario would you recommend using classification machine learning with Microsoft AI Services to categorize customer feedback data for sentiment analysis?
  1. A Automating the tagging of images for a retail company's product catalog
  2. B Identifying unusual patterns in server logs for security monitoring
  3. C Analyzing data to optimize resource allocation in Azure Container Apps
  4. D Monitoring and visualizing real-time performance metrics in Azure Monitor
Xem giải thích

Đáp án

A — Tự động gắn thẻ ảnh cho danh mục sản phẩm của một công ty bán lẻ

Vì sao đúng

Cách chắc chắn nhất để làm câu này là hỏi: trong bốn tình huống, cái nào là bài toán phân loại? Phân loại nghĩa là gán cho mỗi mẫu dữ liệu một nhãn từ tập nhãn định sẵn. Gắn thẻ ảnh sản phẩm đúng là như vậy — mỗi ảnh được xếp vào một hoặc vài danh mục có sẵn.

Vì sao các phương án khác sai

  • B. Tìm mẫu bất thường trong log máy chủ — đây là phát hiện bất thường, không có tập nhãn định sẵn và dữ liệu bất thường vốn rất hiếm.
  • C. Tối ưu phân bổ tài nguyên — bài toán tối ưu, không phải gán nhãn.
  • D. Giám sát và trực quan hoá số liệu thời gian thực — là việc vận hành, không có mô hình học máy nào ở đây.

Ghi chú về chất lượng câu hỏi

Phần đầu đề nhắc tới "phân loại phản hồi khách hàng để phân tích cảm xúc", nhưng không phương án nào nói về phản hồi khách hàng — đáp án đúng lại là gắn thẻ ảnh. Cụm đó nhiều khả năng là chữ thừa còn sót khi soạn đề. Phần thực chất được kiểm tra vẫn là: nhận ra đâu là bài toán phân loại, và câu trả lời không đổi vì điều đó.

Câu 176 AI Foundry
What is a key capability of the Microsoft AI Services model catalog within Azure AI Foundry?
  1. A Ability to create custom AI models using pre-built algorithms
  2. B Integration with Microsoft Defender for Cloud for enhanced security
  3. C Real-time monitoring and tracking of AI model performance
  4. D Automatic labeling and tagging of AI models for easy organization
Xem giải thích

Đáp án

D — Tự động gắn nhãn và thẻ cho mô hình để dễ tổ chức

Vì sao đúng

Khi số mô hình trong tổ chức tăng lên, vấn đề thực tế là tìm lại đúng mô hình cần dùng. Gắn thẻ tự động giúp phân loại chúng theo tác vụ, theo khung học máy, theo nguồn gốc — nên tìm kiếm và lọc trong catalog trở nên khả thi thay vì phải nhớ tên từng cái.

Vì sao các phương án khác sai

  • A. Tạo mô hình tuỳ chỉnh từ thuật toán dựng sẵn — đó là việc của công cụ huấn luyện, không phải của catalog; catalog chứa mô hình chứ không tạo ra chúng.
  • C. Giám sát hiệu năng mô hình thời gian thực — thuộc về phần triển khai và giám sát.
  • B. Tích hợp Defender for Cloud — công cụ bảo mật hạ tầng, không phải năng lực của catalog.
Câu 177 AI Foundry
In Azure AI Foundry, what functionality does the model catalog offer to improve productivity and governance for AI development?
  1. A Offers a built-in hyperparameter tuning service to optimize model parameters for the most accurate predictions.
  2. B Allows developers to write serverless functions that automatically scale the AI models based on the workload.
  3. C Enables automatic conversion of AI models into RESTful APIs that can be easily integrated with existing applications.
  4. D Provides a centralized repository for storing, sharing, and managing machine learning models including version control and lifecycle management.
Xem giải thích

Đáp án

D — Cung cấp kho tập trung để lưu trữ, chia sẻ và quản lý mô hình học máy

Vì sao đúng

Đề hỏi về năng suất và quản trị, và một kho tập trung phục vụ đúng hai thứ đó cùng lúc: về năng suất, đội không phải dựng lại thứ người khác đã làm và tìm được mô hình sẵn có để dùng; về quản trị, có một chỗ duy nhất biết mô hình nào đang tồn tại, phiên bản nào, ai được truy cập.

Vì sao các phương án khác sai

  • A. Dịch vụ dò siêu tham số tích hợp — là năng lực của phần huấn luyện, không phải của catalog.
  • C. Tự động chuyển mô hình thành REST API — thuộc về phần triển khai và endpoint.
  • B. Viết hàm không máy chủ tự co giãn — mô tả một dịch vụ hoàn toàn khác.
Câu 178 Responsible AI
What is a key consideration for ensuring accountability in an Azure AI solution?
  1. A Enabling multi-factor authentication for the Microsoft Entra ID accounts
  2. B Implementing Azure AI Services for comprehensive monitoring
  3. C Conducting regular security assessments using Microsoft Defender for Cloud
  4. D Establishing clear roles and responsibilities for managing the AI solution
Xem giải thích

Đáp án

D — Xác lập rõ vai trò và trách nhiệm trong việc quản lý giải pháp AI

Vì sao đúng

Trách nhiệm giải trình (accountability) trong nguyên tắc AI có trách nhiệm nói về con người, không nói về công cụ: phải có người cụ thể chịu trách nhiệm cho việc hệ thống hoạt động ra sao và cho hậu quả nó gây ra. Khi hệ thống ra quyết định sai, câu hỏi "ai chịu trách nhiệm và ai có quyền sửa" phải có câu trả lời — mà điều đó chỉ đến từ việc phân định vai trò rõ ràng từ trước.

Vì sao các phương án khác sai

Ba phương án còn lại đều là biện pháp kỹ thuật thuộc về bảo mật hoặc giám sát:

  • A. Bật xác thực đa yếu tố — bảo vệ tài khoản.
  • B. Giám sát toàn diện — giúp phát hiện vấn đề, nhưng không quy trách nhiệm cho ai.
  • C. Đánh giá bảo mật định kỳ — thuộc lĩnh vực bảo mật.

Chúng đều tốt, nhưng không cái nào trả lời được câu hỏi "ai chịu trách nhiệm".

Câu 179 AI Foundry
How does the Azure AI Foundry model catalog support collaboration and knowledge sharing among data scientists and AI engineers?
  1. A Allows access to training resources from Azure Virtual Desktop
  2. B Offers direct integration with Microsoft Purview for data governance and compliance
  3. C Enables real-time monitoring and alerting through Azure Monitor
  4. D Provides a centralized repository to store, discover, and manage AI models
Xem giải thích

Đáp án

D — Cung cấp kho tập trung để lưu trữ, khám phá và quản lý mô hình AI

Vì sao đúng

Đề hỏi về cộng tác và chia sẻ tri thức, và từ khoá quyết định là "khám phá" (discover). Kho tập trung khiến mô hình do một người dựng trở thành thứ người khác tìm thấy được — kèm siêu dữ liệu về nó dùng để làm gì, huấn luyện trên dữ liệu nào, hiệu năng ra sao. Đó chính là cách tri thức lan trong đội thay vì nằm lại ở máy của người tạo ra nó.

Vì sao các phương án khác sai

  • B. Tích hợp Purview cho quản trị dữ liệu — hữu ích nhưng nói về dữ liệu, không phải về việc chia sẻ mô hình.
  • C. Giám sát và cảnh báo thời gian thực — thuộc về vận hành.
  • A. Truy cập tài nguyên huấn luyện từ Azure Virtual Desktop — không liên quan.
Câu 180 AI Language
How can Entity Recognition be utilized within Microsoft AI Services to enhance business processes?
  1. A Analyze customer sentiments to improve marketing campaigns
  2. B Detect anomalies in network traffic to prevent security breaches
  3. C Translate text from one language to another in real-time
  4. D Automate data entry by extracting key information from documents
Xem giải thích

Đáp án

D — Tự động hoá nhập liệu bằng cách trích xuất thông tin then chốt từ tài liệu

Vì sao đúng

Nhận dạng thực thể tìm ra và phân loại những mẩu thông tin cụ thể trong văn bản — tên người, tổ chức, ngày tháng, số tiền, địa chỉ. Ứng dụng nghiệp vụ rõ ràng nhất là thay việc gõ tay: hoá đơn, hợp đồng, đơn hàng được đưa vào, hệ thống lấy ra đúng các trường cần và đổ thẳng vào cơ sở dữ liệu.

Vì sao các phương án khác sai

  • A. Phân tích cảm xúc khách hàng — là phân tích cảm xúc, một tính năng khác của cùng dịch vụ.
  • C. Dịch văn bản thời gian thực — thuộc về Translator.
  • B. Phát hiện bất thường trong lưu lượng mạng — làm việc trên số liệu mạng, không phải trên văn bản.