1 - データセットを取り込んで準備します。
2 - データをランダムにトレーニング データに分割します。
3 - モデルのタリン。
4 - 検証データセットに対してモデルを評価します。

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

説明
信頼性と安全性
https://en.wikipedia.org/wiki/Tay_(ボット)
「信頼を築くには、AI システムが通常の状況でも予期せぬ状況でも確実に、安全に、そして一貫して動作することが不可欠です。これらのシステムは、当初の設計どおりに動作し、予期せぬ状況にも安全に反応し、有害な操作に耐えられる必要があります。また、実際の動作条件下でこれらのシステムが意図したとおりに動作していることを検証できることも重要です。システムの動作や、信頼性と安全性を確保しながら処理できるさまざまな状況は、設計とテスト中に開発者が予測するさまざまな状況と環境をほぼ反映しています。AI システムが予期せぬ状況やエッジ ケースに安全に対応し、予期せぬパフォーマンス障害を起こさず、当初の期待と矛盾する方法で進化しないようにするには、システムの開発と展開中に厳格なテストが不可欠であると考えています。」

オブジェクトの検出はタグ付けに似ていますが、API は見つかった各オブジェクトの境界ボックスの座標 (ピクセル単位) を返します。たとえば、画像に犬、猫、人が含まれている場合、検出操作では、それらのオブジェクトが画像内の座標とともに一覧表示されます。この機能を使用して、画像内のオブジェクト間の関係を処理できます。また、画像内に同じタグのインスタンスが複数あるかどうかを判断することもできます。
Detect API は、画像内で識別されたオブジェクトまたは生物に基づいてタグを適用します。現在、タグ付け分類とオブジェクト検出分類の間に正式な関係はありません。概念レベルでは、Detect API はオブジェクトと生物のみを検出しますが、Tag API には境界ボックスでローカライズできない「屋内」などのコンテキスト用語も含めることができます。
参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-object-detection