セクション: 人工知能のワークロードと考慮事項について説明する
Explanation:
モデルの説明能力。
ほとんどのビジネスは信頼に基づいて運営されており、ML の「ブラック ボックス」をオープンできることは、透明性と信頼の構築に役立ちます。
医療や銀行などの規制の厳しい業界では、規制とベストプラクティスに準拠することが重要です。この重要な側面の 1 つは、入力変数 (特徴) とモデル出力の間の関係を理解することです。各特徴量 (特徴量の重要度) が予測値に与える影響の大きさと方向の両方を知ることは、モデルをより深く理解して説明するのに役立ちます。モデルの説明機能により、自動化された ML 実行の一部として機能の重要性を理解できるようになります。
参照：
https://azure.microsoft.com/en-us/blog/new-automated-machine-learning-capabilities-in-azure-machine- learning-service/

参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier

参照：
https://docs.microsoft.com/en-us/azure/machine-learning/concept-designer

セクション: Azure 上のコンピューター ビジョン ワークロードの機能について説明する
Explanation:
Azure の Computer Vision サービスを使用すると、画像を処理し、関心のある視覚的特徴に基づいて情報を返す高度なアルゴリズムにアクセスできます。たとえば、Computer Vision は、画像にアダルト コンテンツが含まれているかどうかを判断したり、特定のブランドやオブジェクトを検索したり、人間を検索したりできます。顔。
参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/overview