セクション：Azureでの会話型AIワークロードの機能について説明する
Explanation:
QnA Makerは、既存のデータ上に会話型の質問と回答のレイヤーを作成できるクラウドベースのAPIサービスです。これを使用して、FAQ、マニュアル、ドキュメントなどの半構造化コンテンツから質問と回答を抽出することにより、ナレッジベースを構築します。ナレッジベースのQnAからのベストアンサーを使用して、ユーザーの質問に自動的に回答します。ナレッジベースも、ユーザーの行動から継続的に学習するため、よりスマートになります。
不正解：
A：Azure Custom Visionは、独自の画像分類子を構築、デプロイ、および改善できるコグニティブサービスです。画像分類器は、画像の視覚的特性に応じて、画像にラベル（クラスを表す）を適用するAIサービスです。コンピュータービジョンサービスとは異なり、カスタムビジョンでは、適用するラベルを指定できます。
D：Azure Cognitive Services顔検出API：少なくとも、検出された各顔は、応答のfaceRectangleフィールドに対応します。左、上、幅、高さのこのピクセル座標のセットは、配置された面をマークします。これらの座標を使用して、顔の位置とそのサイズを取得できます。APIレスポンスでは、面はサイズの大きいものから小さいものの順にリストされます。
参照：
https://azure.microsoft.com/en-us/services/cognitive-services/qna-maker/

説明

説明
機械学習におけるクラスタリングは、データポイントを同様のクラスターにグループ化する方法です。セグメンテーションとも呼ばれます。
何年にもわたって、多くのクラスタリングアルゴリズムが開発されてきました。ほとんどすべてのクラスタリングアルゴリズムは、個々のアイテムの機能を使用して類似したアイテムを検索します。たとえば、クラスタリングを適用して、人口統計によって類似した人物を見つけることができます。クラスタリングとテキスト分析を使用して、類似したトピックや感情を持つ文をグループ化できます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/machine-learning-initialize-m

FAQページ、サポートWebサイト、Excelファイル、SharePointドキュメント、製品マニュアル、ポリシーなど、半構造化されたコンテンツから質問と回答のペアを抽出します。
参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/qnamaker/concepts/content-types

Explanation:
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。
不正解：
機能ではない：機械学習と統計では、機能の選択は、分析モデルの構築に使用する、関連する有用な機能のサブセットを選択するプロセスです。特徴選択は、データのフィールドを最も価値のある入力に絞り込むのに役立ちます。データのフィールドを狭めることは、ノイズを減らし、トレーニングパフォーマンスを向上させるのに役立ちます。
参照：
https://www.cloudfactory.com/data-labeling-guide