Afin de définir des attentes réalistes, veuillez noter que ces questions ne sont PAS des questions officielles que vous trouverez lors de l'examen officiel. Ces questions couvrent tout le matériel décrit dans les sections de connaissances ci-dessous. La plupart des questions sont basées sur des scénarios fictifs qui contiennent des questions posées.

Les exigences de connaissances officielles pour l'examen sont revues régulièrement pour s'assurer que le contenu a les dernières exigences incorporées dans les questions pratiques. Les mises à jour du contenu sont souvent effectuées sans notification préalable et peuvent être modifiées à tout moment.

Chaque question a une explication détaillée et des liens vers des documents de référence pour soutenir les réponses, ce qui garantit l'exactitude des solutions aux problèmes.

Les questions seront mélangées chaque fois que vous répéterez les tests. Vous devrez donc savoir pourquoi une réponse est correcte, et pas seulement si la réponse correcte était l'élément "B" la dernière fois que vous avez passé le test.

Candidats à l'examen AI-102: Conception et mise en œuvre d'une solution Microsoft Azure AI Créez, gérez et déployez des solutions IA qui tirent parti des services cognitifs Azure, de la recherche cognitive Azure et du framework Microsoft Bot.

Leurs responsabilités incluent la participation à toutes les phases du développement de solutions d'IA, de la définition et de la conception des exigences au développement, au déploiement, à la maintenance, au réglage des performances et à la surveillance.

Ils travaillent avec des architectes de solutions pour traduire leur vision et avec des scientifiques des données, des ingénieurs de données, des spécialistes de l'IoT et des développeurs d'IA pour créer des solutions d'IA complètes de bout en bout.

Les candidats à cet examen doivent maîtriser C#, Python ou JavaScript et doivent être capables d'utiliser des API et des SDK basés sur REST pour créer des solutions de vision par ordinateur, de traitement du langage naturel, d'exploration de connaissances et d'IA conversationnelle sur Azure.

Ils doivent également comprendre les composants qui composent le portefeuille Azure AI et les options de stockage de données disponibles. De plus, les candidats doivent comprendre et être capables d'appliquer les principes de l'IA responsable.

Compétences mesurées à l'examen Microsoft Azure AI-102

Planifier et gérer une solution Azure Cognitive Services (15-20 %)

Sélectionnez la ressource Cognitive Services appropriée

• sélectionner le service cognitif approprié pour une solution de vision

• sélectionner le service cognitif approprié pour une solution d'analyse du langage

• sélectionner le service cognitif approprié pour une solution d'aide à la décision

• sélectionner le service cognitif approprié pour une solution vocale

Planifier et configurer la sécurité d'une solution de Cognitive Services

• gérer les clés de compte Cognitive Services

• gérer l'authentification d'une ressource

• sécuriser les services cognitifs à l'aide du réseau virtuel Azure

• planifier une solution qui répond aux principes de l'IA responsable

Créer une ressource Cognitive Services

• créer une ressource Cognitive Services

• configurer la journalisation des diagnostics pour une ressource Cognitive Services

• gérer les coûts des services cognitifs

• surveiller un service cognitif

• mettre en œuvre une politique de confidentialité dans Cognitive Services

Planifier et mettre en œuvre des conteneurs de services cognitifs

• identifier quand déployer dans un conteneur

• conteneuriser les services cognitifs (y compris l'API de vision par ordinateur, l'API de visage, l'analyse de texte, la parole, la reconnaissance de formulaire)

Mettre en œuvre des solutions de vision par ordinateur (20-25%)

Analyser des images à l'aide de l'API Computer Vision

• récupérer des descriptions d'images et des balises à l'aide de l'API Computer Vision

• identifier des points de repère et des célébrités à l'aide de l'API Computer Vision

• détecter les marques dans les images en utilisant l'API Computer Vision

• modérer le contenu des images à l'aide de l'API Computer Vision

• générer des vignettes à l'aide de l'API Computer Vision

Extraire le texte des images

• extraire le texte des images à l'aide de l'API OCR

• extraire du texte à partir d'images ou de PDF à l'aide de l'API de lecture

• convertir du texte manuscrit à l'aide de Ink Recognizer

• extraire des informations des formulaires ou des reçus en utilisant le modèle de reçu prédéfini dans le formulaire

Reconnaissance

• créer et optimiser un modèle personnalisé pour Form Recognizer

Extraire les informations faciales des images

• détecter les visages dans une image à l'aide de l'API Face

• reconnaître les visages dans une image à l'aide de l'API Face

• configurer des personnes et des groupes de personnes

• analyser les attributs du visage à l'aide de l'API Face

• faire correspondre des visages similaires à l'aide de l'API Face

Mettre en œuvre la classification des images à l'aide du service Custom Vision

• étiqueter les images à l'aide du portail Computer Vision

• former un modèle de classification d'images personnalisé dans le portail Custom Vision

• former un modèle de classification d'images personnalisé à l'aide du SDK

• gérer les itérations du modèle

• évaluer les métriques du modèle de classification

• publier une itération entraînée d'un modèle

• exporter un modèle dans un format approprié pour une cible spécifique

• consommer un modèle de classification à partir d'une application cliente

• déployer des modèles personnalisés de classification d'images dans des conteneurs

Mettre en œuvre une solution de détection d'objets en utilisant le service Custom Vision

• étiqueter les images avec des cadres de délimitation à l'aide du portail de vision par ordinateur

• former un modèle de détection d'objet personnalisé à l'aide du portail Custom Vision

• former un modèle de détection d'objet personnalisé à l'aide du SDK

• gérer les itérations du modèle

• évaluer les métriques du modèle de détection d'objets

• publier une itération entraînée d'un modèle

• consommer un modèle de détection d'objet à partir d'une application cliente

• déployer des modèles de détection d'objets personnalisés dans des conteneurs

Analyser la vidéo à l'aide de Video Indexer

• traiter une vidéo

• extraire des insights d'une vidéo

• modérer le contenu d'une vidéo

• personnaliser le modèle de marques utilisé par Video Indexer

• personnaliser le modèle de langue utilisé par Video Indexer en utilisant le service Custom Speech

• personnaliser le modèle de personne utilisé par Video Indexer

• extraire des informations à partir d'un flux en direct de données vidéo

Mettre en œuvre des solutions de traitement du langage naturel (20-25%)

Analyser du texte à l'aide du service Text Analytics

• récupérer et traiter les phrases clés

• récupérer et traiter les informations des entités (personnes, lieux, URL, etc.)

• récupérer et traiter les sentiments

• détecter la langue utilisée dans le texte

Gérer la parole à l'aide du service Speech

• implémenter la synthèse vocale

• personnaliser la synthèse vocale

• implémenter la synthèse vocale

• améliorer la précision de la parole-texte

Traduire la langue

• traduire du texte en utilisant le service Traducteur

• traduire parole à parole en utilisant le service Speech

• traduire la parole en texte à l'aide du service Speech

Créer un modèle de langage initial à l'aide de Language Understanding Service (LUIS)

• créer des intentions et des entités basées sur un schéma, puis ajouter des énoncés

• créer des entités hiérarchiques complexes

• utilisez ceci à la place des rôles

• former et déployer un modèle

Itérer et optimiser un modèle de langage à l'aide de LUIS

• implémenter des listes de phrases

• implémenter un modèle en tant que fonctionnalité (c'est-à-dire des entités prédéfinies)

• gérer la ponctuation et les signes diacritiques

• mettre en œuvre un apprentissage actif

• surveiller et corriger les déséquilibres de données

• mettre en œuvre des modèles

Gérer un modèle LUIS

• gérer les collaborateurs

• gérer la gestion des versions

• publier un modèle via le portail ou dans un conteneur

• exporter un package LUIS

• déployer un package LUIS dans un conteneur

• intégrer Bot Framework (LUDown) pour s'exécuter en dehors du portail LUIS

Mettre en œuvre des solutions d'exploration de connaissances (15-20%)

Mettre en œuvre une solution de recherche cognitive

• créer des sources de données

• définir un indice

• créer et exécuter un indexeur

• interroger un index

• configurer un index pour prendre en charge la saisie semi-automatique et la suggestion automatique

• booster les résultats en fonction de la pertinence

• implémenter des synonymes

Mettre en place un pipeline d'enrichissement

• attacher un compte Cognitive Services à une compétence

• sélectionner et inclure des compétences intégrées pour les documents

• mettre en œuvre des compétences personnalisées et les inclure dans un ensemble de compétences

Mettre en place un magasin de connaissances

• définir les projections de fichiers

• définir des projections d'objets

• définir les projections de table

• projections de requête

Gérer une solution de recherche cognitive

• disposition Recherche cognitive

• configurer la sécurité pour la recherche cognitive

• configurer l'évolutivité pour la recherche cognitive

Gérer l'indexation

• gérer la réindexation

• reconstruire les index

• indexation du calendrier

• surveiller l'indexation

• implémenter l'indexation incrémentielle

• gérer la concurrence

• pousser des données vers un index

• résoudre les problèmes d'indexation pour un pipeline

Mettre en œuvre des solutions d'IA conversationnelle (15-20%)

Créer une base de connaissances en utilisant QnA Maker

• créer un service QnA Maker

• créer une base de connaissances

• importer une base de connaissances

• former et tester une base de connaissances

• publier une base de connaissances

• créer une conversation multi-tours

• ajouter une autre formulation

• ajouter le bavardage à une base de connaissances

• exporter une base de connaissances

• ajouter un apprentissage actif à une base de connaissances

• gérer les collaborateurs

Concevoir et mettre en œuvre un flux de conversation

• concevoir une logique de conversation pour un bot

• créer et évaluer des conversations de fichiers *.chat en utilisant l'émulateur Bot Framework

• ajouter la génération de langage pour une réponse

• concevoir et mettre en œuvre des cartes adaptatives

Créer un bot à l'aide du kit de développement logiciel Bot Framework

• mettre en place des dialogues

• maintenir l'état

• mettre en œuvre la journalisation pour une conversation de bot

• implémenter une invite pour la saisie de l'utilisateur

• ajouter et revoir la télémétrie du bot

• mettre en œuvre un transfert bot-to-human

• dépanner un bot conversationnel

• ajouter un middleware personnalisé pour le traitement des messages des utilisateurs

• gérer l'identité et l'authentification

• mettre en œuvre une logique spécifique au canal

• publier un bot

Créer un bot à l'aide de Bot Framework Composer

• mettre en place des dialogues

• maintenir l'état

• mettre en œuvre la journalisation pour une conversation de bot

• implémenter des invites pour la saisie de l'utilisateur

• dépanner un bot conversationnel

• tester un bot en utilisant l'émulateur Bot Framework

• publier un bot

• Intégrer les services cognitifs dans un bot

• intégrer un service QnA Maker

• intégrer un service LUIS

• intégrer un service Speech

• intégrer Dispatch pour plusieurs modèles linguistiques

• gérer les clés dans le fichier de paramètres de l'application

L'examen est disponible dans les langues suivantes : anglais