説明

参照：
https://azure.microsoft.com/en-gb/services/cognitive-services/speech-to-text/#features 音声認識とは、Speech to Text を意味します。上記の例では、人が話すと、単語は同じ言語のテキストに変換されます。したがって、音声認識とも呼ばれる Speech to Text が正解です。
音声認識 - 音声入力を検出して解釈する機能。
音声合成 - 音声出力を生成する機能。
https://docs.microsoft.com/en-us/learn/modules/recognize-synthesize-speech/1-introduction

説明
中程度の信頼度で自動生成されたテーブルの説明

回帰は、一連の関連する特徴からラベルの値を予測するために使用される機械学習タスクです。
参照：
https://docs.microsoft.com/en-us/dotnet/machine-learning/resources/tasks

参照：
https://docs.microsoft.com/en-gb/azure/cognitive-services/qnamaker/concepts/data-sources-and-content
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-service QnA Makerの会話型AIサービスで、SQLデータベースとは関係なく簡単にユーザーを作成できます2 つのコア テクノロジの組み合わせを使用して、Microsoft Azure でボット ソリューションをサポートします。
- QnA メーカー。このコグニティブ サービスを使用すると、自然言語処理機能が組み込まれたナレッジ ベースを作成して公開できます。
- Azure ボット サービス。このサービスは、Azure でボットを開発、公開、および管理するためのフレームワークを提供します。
https://docs.microsoft.com/en-us/learn/modules/build-faq-chatbot-qna-maker-azure-bot-service/2-get-started-qna-bot LUIS を使用してユーザーの意図を理解する発言から。
Language Understanding を使用した言語理解アプリケーションの作成は、2 つの主要なタスクで構成されます。最初に、言語モデルのトレーニングに使用するエンティティ、インテント、および発話を定義する必要があります (モデルの作成と呼ばれます)。次に、モデルを公開して、クライアント アプリケーションがユーザー入力に基づくインテントとエンティティの予測にモデルを使用できるようにする必要があります。
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-service

セクション: Azure での機械学習の基本原則について説明する
Explanation:
予測対真のグラフとは何ですか?
Predicted vs. True は、回帰問題の予測値とそれに相関する真の値の関係を示します。このグラフは、予測値が y=x 線に近いほど予測モデルの精度が高いため、モデルのパフォーマンスを測定するために使用できます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-understand-automated-m