説明

説明
A: トレーニング済みのモデルは、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。[マイ データセット] の下にあります。
Azure Machine Learning デザイナーを使用すると、対話型キャンバスで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使用できます。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
Azure ボット サービスは、Azure Cognitive Services の強力な AI 機能と統合できます。
ボックス 2: はい
Azure ボット サービスは、会話形式で顧客とやり取りします。
ボックス 3: いいえ
QnA Maker サービスは、質問と回答のセットではなく、ナレッジ ベースを作成します。
注: QnA Maker サービスとナレッジ ベースを使用して、質問と回答のサポートをボットに追加できます。ナレッジ ベースを作成するときは、質問と回答をシードします。
参照：
https://docs.microsoft.com/en-us/azure/bot-service/bot-builder-tutorial-add-qna

ラベルは、予測する列です。識別された機能は、ラベルを予測するためにモデルに与える入力です。
例：
提供されたデータ セットには、次の列が含まれています。
Passenger_count: 旅行の乗客数は機能です。
trip_time_in_secs: 移動にかかった時間。旅行が完了する前に旅行の運賃を予測したいと考えています。その瞬間、旅にどれくらいの時間がかかるかわかりません。したがって、移動時間は特徴ではないため、この列をモデルから除外します。
trip_distance: 旅行の距離は特徴です。
payment_type: 支払い方法 (現金またはクレジット カード) は機能です。fare_amount: 支払ったタクシー料金の合計がラベルです。
参照：
https://docs.microsoft.com/en-us/dotnet/machine-learning/tutorials/predict-prices

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:
A: トレーニング済みのモデルは、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。[マイ データセット] の下にあります。
Azure Machine Learning デザイナーを使用すると、対話型キャンバスで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使用できます。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