参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/overview

説明
A：トレーニングされたモデルは、モジュールパレットにデータセットモジュールとして保存されます。MyDatasetsの下にあります。
Azure Machine Learning Designerを使用すると、インタラクティブキャンバス上のデータセットとモジュールを視覚的に接続して、機械学習モデルを作成できます。
D：公開されたパイプラインページで公開されたパイプラインを利用できます。公開されたパイプラインを選択し、そのRESTエンドポイントを見つけます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-run-batch-predictions-designer
https://docs.microsoft.com/en-us/azure/machine-learning/concept-designer

説明

ボックス1：はい
機械学習では、データにラベルを付けている場合、それは、ターゲットを表示するためにデータがマークアップまたは注釈付けされていることを意味します。これは、機械学習モデルで予測する答えです。
一般に、データのラベル付けは、データのタグ付け、注釈、分類、モデレート、転記、または処理を含むタスクを指す場合があります。
ボックス2：いいえ
ボックス3：いいえ
精度は、単に正しく分類されたインスタンスの割合です。これは通常、分類子を評価するときに最初に確認するメトリックです。ただし、テストデータが不均衡である場合（ほとんどのインスタンスがいずれかのクラスに属している場合）、またはいずれかのクラスのパフォーマンスに関心がある場合、精度は分類子の有効性を実際には捉えません。
参照：
https://www.cloudfactory.com/data-labeling-guide
https://docs.microsoft.com/en-us/azure/machine-learning/studio/evaluate-model-performance

説明

参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/get-started-build-detector

参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/homeカスタムビジョン-これは、ユーザーが提供するデータを使用してモデルを構築/トレーニングするのに役立つコンピュータービジョンサービスの一種です。カスタムビジョンを使用したオブジェクト検出ソリューションは、3つの主要なタスクで構成されています。最初にアップロードとタグ付けの画像を使用する必要があり、次にモデルをトレーニングできます。最後に、クライアントアプリケーションがモデルを使用して予測を生成できるように、モデルを公開する必要があります。
https://docs.microsoft.com/en-us/learn/modules/detect-objects-images-custom-vision/2-object-detection-azure