Views: 123
AzureのAIサービスの基礎について出題される資格試験。
AI-900を受験し、合格しました。
これから試験を受けようとしている人の参考になるように
試験で出題された問題を思い出して、書き出してみました。
参考になれば幸いです。
異常検出、コンピュータビジョン、自然言語処理という
Azureが提供しているAIシステムについて理解しておく必要があります。
[責任あるAIを理解する]
AIの6つの原則を指針としています。
この６つの原則について問われる問題がいくつかありました。
6つの原則の意味、概念については理解しておくべきです。
問題の中では事例が挙げられて、これは６つの原則のどれに該当しますか
といった問われ方をします。
公平性・・・すべての人を公平に扱う必要がある、という話。
性別、民族などで差別してはいけないよという話。
信頼性と安全性・・AIシステムは確実かつ安全に実行される必要があります。
例えば、自動運転や、病気の診断にAIを利用するとなると人命にかかわります。
期待通りの動作を確保するために、厳格なテストや管理プロセスが必要になります。
プライバシーとセキュリティ・・・学習に使用されるデータに個人情報を扱うことも考えらえるため
データの扱いや、データから行われる決定の両方に注意しましょうという話。
包括性・・・AIは全ての人に使ってもらえる状態にすべきです。
身体能力、性別、性的指向、民族性などの要因に関係なく、利益をもたらす必要があります。
たとえば、目が見えない人でも使えるようなUIで構築するなど。
(AIの話か？)
透明性・・・AIシステムは理解しやすい必要があります。
(機械学習の意思決定はブラックボックスとよく言われるのですが)
アカウンタビリティ・・・AIシステムに対して説明責任があります。
[機械学習とは]
機械学習の種類を問われる問題がいくつか出題されました。
ここで登場するのは「回帰」「分類」「クラスタリング」
という機械学習手法です。
機械学習を使ってこういう予測やデータの分類をしたい、といった場合に
「回帰」「分類」「クラスタリング」のどれを使ったらいいでしょうか？
という問題が出題されました。
「回帰」「分類」「クラスタリング」のそれぞれの概念と使いどころを
理解しておく必要があります。
MicrosoftLearnにおける知識チェックにおいても
車名、車種、排気量、走行距離などに基づいて、自動車の
価格を予測する場合にどのような機械学習モデルを使用する必要があるかを
問う問題が出てきますので、これと同じような問題が出ると
考えてください。
回帰機械学習に関する問いがいくつか出題されました。
回帰機械学習の概念は理解しておく必要があると感じました。
[Azure Machine Learningデザイナーを使用して回帰モデルを作成する ]
回帰は機械学習の一種です。
変数間の関係を理解し、望ましい結果を予測するために利用されます。
回帰は変数または特徴に基づいてラベルまたは結果を予測します。
よくある例としては「アイスクリームの売り上げの予測」が挙げられます。
ある日の最高気温を用いてアイスクリームの売り上げを予測するモデルがあるとすると、
最高気温が「変数」で売り上げが「結果」です。
回帰は教師有り機械学習手法です。
トレーニング済みモデルを使用して、与えられた「変数」より「結果」を予測できます。
回帰機械学習モデルは多くの業界で使用されています。一部のシナリオを示します。
・平方フィートや部屋数など、住宅の特性を使用して住宅価格を予測します。
・天候や土壌の質など、農場環境の特性を使用し、作物の収穫量を予測します。
AIは画像認識が得意分野です。
動物の画像を見て、それが猫なのか犬なのかを判別するといったことができます。
AzureのComputerVisionサービスはそんな画像認識のサービスを提供しており、
どのようなことができるのかを問われます。
例えば、マラソン選手のゼッケン番号を読み取って、マラソン選手が誰なのかを識別したい場合
どの機能を使うのか、といった問題が出題されます。
[画像の分析]
ComputerVisionサービスでは画像を分析するサービスが提供されています。
何ができるのかを押させえておく必要があります。
機能としては下記が提供されており、それぞれどのような場面で使用するのかを
問われる問題が出題されます。
[画像の説明]：画像を分析し、検出された内容を説明することができます。
・視覚的な特徴のタグ付け：画像のタグを提案できます。
例えば、エンパイアステートビルに対して返されるタグは以下が含まれます
・タワー
・ビルディング
[オブジェクトの検出]
画像の中に含まれるオブジェクト(物体、物)を検出することができます。
その他、下記の機能も理解しておいてください。
・顔の検出
・画像の分類
・光学式文字認識(OCR)
自然言語処理とは、人が使用する自然言語(日本語、英語など)を分析する事です。
Azureでは自然言語処理を実行するサービスを提供しており、その概要を試験では問われます。
深い内容までは効かれなくて、Azureの自然言語処理が何をできて、どういった場面で使用されるのかが
理解できていれば回答することができます。
自然言語処理ではざっくり下記の4点の事ができます。
それぞれできることや、サービスの使い方を学んでおくとテストも回答できるはずです。
[言語検出]
テキストの言語を識別する機能です。
テキストをAzureに渡すことで、テキストの言語をAzureが判定してくれます。
言語検出については、Azureにデータを渡すときの記述方法について問われる問題が出ました。
どのようにしてサービスを使うかというレベルで知っておいた方がよいでしょう。
[感情分析]
カスタマーレビュー等のテキストを評価して、テキストが肯定的な感情なのか、
否定的な感情なのかを数値で返します。
0から1の範囲のスコアを返し、1に近いほど肯定的な感情とされます。
[キーフレーズ抽出]
テキストの要点となるキーフレーズを抽出する機能です。
これだけの説明ではピンと来ないと思いますので
テキストを受け取った場合にどのようなキーフレーズを返すかの
事例を紹介します。
テキスト
私たちは親切な接客係の女性に出迎えられ、予約した席にすぐに案内されました。
くつろげる雰囲気で、料理も非常においしく、サービスは最高でした。
素晴らしい料理と気配りの行き届いたサービスが好きなら、ぜひこの場所を訪ねるべきです。
」
キーフレーズ
・すばらしい料理
・誕生日のお祝い
・すばらしい経験
・席
・親切な接客係の女性
・夕食
・雰囲気
・場所
[エンティティ認識]
テキスト内で認識される「エンティティ」の一覧が返されます。
この説明ではよくわかりませんよね、「エンティティ」って何？と思って
ググってみても、「実体」とか「実在」とか書いてあって、これまたよくわからない。
これは具体例で示した方がわかりやすいと思います
下記のテキストを渡したときに、検出されるエンティティを記します
テキスト
「先週シアトルにあるレストランで食事をしました」
エンティティ 種類
シアトル 場所
先週 DateTime
確かに、シアトルは実体といえるし、先週というのも実体と言える。
テキストにおける実態を抽出し、実体が何者なのかを分類分けしてくれる
サービスと考えればいいのかな。
すみませんこれから書きます、
出題内容を思い出せたら追記します。