1 - データセットを取り込んで準備します。
2 - データガをトレーニング データと検証データにランダムに分割します
3 - モデルを修正します。
4 - 検証データセットに対してモデルを評価します。

説明
B: Azure の Computer Vision サービスは、開発者に、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へのアクセスを提供します。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、または人間の顔を見つけます。
C: Computer Vision には光学式文字認識 (OCR) 機能が含まれています。新しい Read API を使用して、画像やドキュメントから印刷されたテキストや手書きのテキストを抽出できます。
参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/home 画像内の顔を検出する - Face API Microsoft Azure は、顔を検出および分析するために使用できる複数のコグニティブ サービスを提供します。 :
Computer Vision は、顔検出と、年齢の判定などの基本的な顔分析を提供します。
Video Indexer: ビデオ内の顔を検出および識別するために使用できます。
Face は、顔を検出、認識、分析できる事前構築されたアルゴリズムを提供します。
手書きテキストの認識 - Read API
Read API は、大量のテキストを含むスキャンされたドキュメントの場合に適したオプションです。Read API には、適切な認識モデルを自動的に決定する機能もあります。

Explanation:
グラフィカル ユーザー インターフェイス、テキスト、アプリケーション、電子メールの説明が自動生成されます

ボックス 1: いいえ
検証データセットは、モデルのトレーニングから保留されるテスト データセットとは異なります。
ボックス 2: はい
検証データセットは、モデルのハイパーパラメーターを調整する際にモデルのスキルを推定するために使用されるデータのサンプルです。
ボックス 3: いいえ
これには検証セットではなくテスト データセットが使用されます。テスト データセットは、トレーニング データセットに適合する最終モデルの不偏評価を提供するために使用されるデータのサンプルです。
参照：
https://machinelearningmastery.com/difference-test-validation-datasets/

セクション: Azure 上の自然言語処理 (NLP) ワークロードの機能について説明します。
キー フレーズ抽出/広範なエンティティの抽出: キー フレーズや、人、場所、組織などの名前付きエンティティを含む、テキスト内の重要な概念を識別します。
参照：
https://azure.microsoft.com/en-us/services/cognitive-services/text-analytics

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。[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、対話型キャンバス上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は、[公開されたパイプライン] ページで使用できます。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