-
作者帖子
-
-
我的蜜瓜分你一半参与者
今年国庆8天的长假,我本打算出去游玩一下,考虑到今年的疫情和假期的天气情况,所以还是没有出门,在家看书,备考AI-100。
一直觉得AI-100的考题应该比较难,所以还是认真准备了一下,B站上搜索到的AI相关视频都听了一遍。结果考试题目很简单,都是概念性的基础,还有些题目类似AZ-103和AZ-500的题目。
考题一共34题,出人意料的是,竟然没有案例题,不知道是不是微软最近做了些策略上的变更,毕竟案例题是个大综合,很考验应试者的基础。
闲话少说,先晒自己的成绩单。
建议要参加AI-100认证考试的同学,下载官网上的考试指南,指南详细地阐述了考试的知识点。根本用不着到处去找题、刷题。我把指南的考点汇总了一下,如下:
1、Analyze solution requirements (25-30%) 考点:12个
2、Design AI solutions (40-45%) 考点:19个
3、Implement and monitor AI solutions (25-30%) 考点:15个
总体而言,考点就46个,不是太多。
下面就我这次考试碰到的知识点、结合我考前的复习笔记做一个总结,希望能给考友提供一丝丝的帮助。
1、Azure 认知服务(Azure Cognitive Services),3道题左右。
Azure 认知服务是包含 REST API 和客户端库 SDK 的云服务,可帮助开发人员将认知智能内置于应用程序,而无需具备直接的人工智能 (AI) 或数据科学技能或知识。借助 Azure 认知服务,开发人员可以通过能够看、听、说、理解甚至开始推理的认知解决方案,轻松将认知功能添加到他们的应用程序中。
提供认知理解功能的 AI 服务主要分为五大类:
(1)视觉API:计算机视觉、自定义视觉服务、人脸、表单识别器、墨迹识别器、视频索引器;
(2)语音API:语音服务、说话人识别API、必应语音、语音翻译;
(3)语言API:语言理解LUIS、QnA Maker、文本分析、翻译;
(4)搜索API:必应新闻搜索、必应视频搜索、必应web搜索、必应自动建议、必应自定义搜索、必应实体搜索、必应图像搜索、
必应视觉搜索、必应当地企业搜索、必应拼写检查;
(5)决策API:异常探测器、内容审查器、指标顾问、个性化体验创建服务。
2、Azure数据工厂(Azure Data Factory),3道题左右。
在大数据环境中,原始、散乱的数据通常存储在关系、非关系和其他存储系统中。 但是,就其本身而言,原始数据没有适当的上下文或含义来为分析师、数据科学家或业务决策人提供有意义的见解。
大数据需要可以启用协调和操作过程以将这些巨大的原始数据存储优化为可操作的业务见解的服务。 Azure Data Factory是为这些复杂的混合提取-转换-加载 (ETL)、提取-加载-转换 (ELT) 和数据集成项目而构建的托管云服务。
Azure Data Factory功能是非常强大的,对于结构化数据、半结构化和非结构数据都能支持ETL,而且它支持多元化的操作,Azure Data Factory可以用Azure门户创造云资源进行操作,也可以支持IT人员进行代码操作,提供REST API进行创建Azure Data Factory。
管道的含义简单理解就是在数据管道内做一系列操作再输出数据接收源。管道内的操作非常丰富,比如有数据的移动和转换、Azure Functions、数据湖分析、大数据分析操作、机器学习等。
数据流的定义就是有输入流和输出流中间可以做一些转换操作,比如join、filter、sort等操作,创建数据流就是建立一个数据流的作业。
3、Azure IoT Hub的主要用途,2道题左右。
(1)可缩放网关,解决海量设备双向通讯的问题;(重点)
(2)提供证书、SAS令牌,保证通信安全;
(3)路由设备数据,通过可配置的规则,将设备到云的消息导流到不同的终端点;(重点)
(4)提供设备管理的能力;
(5)SLA 99.9%;
(6)其他:便于开发,各种SDK,原生支持Azure其他产品等。
4、Azure Data Lake Storage Gen1,1道题
Azure Data Lake Storage Gen1是企业级的超大规模存储库,用于大数据分析工作负载。Azure Data Lake使您可以在一个地方捕获任何大小,类型和提取速度的数据,以进行操作和探索性分析。
可以使用兼容WebHDFS的REST API从Hadoop(HDInsight群集提供)访问Data Lake Storage Gen1。它旨在启用对存储数据的分析,并针对数据分析方案的性能进行了调整。Data Lake Storage Gen1包括所有企业级功能:安全性,可管理性,可伸缩性,可靠性和可用性。
5、Azure虚拟机系列,1道题。
(1)A 系列:用于开发/测试的入门级经济型虚拟机
(2)Bs 系列:经济型可突增虚拟机
(3)D 系列:常规用途计算
(4)DC 系列:保护使用中的数据
(5)E 系列:已针对内存中超线程应用程序进行优化
(6)F 系列:计算优化虚拟机(重点)
(7)G 系列:内存和存储优化虚拟机
(8)H 系列:高性能计算虚拟机
(9)Ls 系列:存储优化虚拟机
(10)M 系列:经过内存优化的虚拟机
(11)Mv2 系列:经过内存优化的最大虚拟机
(12)NC 系列:专用于高性能计算和机器学习工作负荷
(13)NDs 系列:专用于进行深度学习的训练和推理方案
(14)NV 系列:支持功能强大的远程可视化工作负荷和其他图形密集型应用程序(重点)
6、计算机视觉(Computer Vision),1道题。
一种AI服务,可分析图像和视频中的内容,从图像和视频中提取丰富的信息。
通过将视觉功能嵌入您的应用程序,提高内容发现能力,自动化文本提取,实时分析视频并创建更多人可以使用的产品。使用视觉数据处理以对象和概念标记内容,提取文本,生成图像描述,适度内容并了解人们在物理空间中的运动。不需要机器学习专业知识。
(1)文字提取(OCR)
从图像和文档中提取混合语言和书写风格的印刷文本和手写文本。
(2)图像理解
从10,000多个概念和对象的丰富本体中提取价值,以从视觉资产中创造价值。
(3)空间分析
实时分析人们在空间中的移动方式。
(4)灵活的部署
在容器中的云中或边缘运行计算机视觉。
7、Kubernetes,1道题。
Kubernetes是一个快速发展的平台,可管理基于容器的应用程序及其关联的网络和存储组件。重点是应用程序工作负载,而不是基础架构组件。Kubernetes提供了一种声明式的部署方法,并以一组强大的用于管理操作的API为后盾。
8、Azure应用程序见解(Azure Application Insights),1道题
Application Insights是Azure Monitor的功能,是面向开发人员和DevOps专业人员的可扩展应用程序性能管理(APM)服务。 使用它来监视您的实时应用程序。它会自动检测性能异常,并包括功能强大的分析工具,以帮助您诊断问题并了解用户对您的应用程序的实际用途。它旨在帮助您不断提高性能和可用性。它适用于各种平台上的应用程序,包括.NET,Node.js,Java和本地部署,混合或任何公共云托管的Python。它与您的DevOps流程集成在一起,并具有指向各种开发工具的连接点。通过与Visual Studio App Center集成,它可以监视和分析来自移动应用程序的遥测。
9、关键短语提取(Key Phrase Extraction),1道题。
在关键短语提取技术评估非结构化的文本,并为每个记录,返回关键短语的列表。该技能使用了认知服务中Text Analytics提供的机器学习模型。
10、Azure媒体服务(Azure Media Services),1道题。
Azure媒体服务是一个基于云的平台,使您可以构建解决方案,以实现广播质量的视频流,增强可访问性和分发,分析内容等等。Azure媒体服务可用于编码和打包内容,按需流式播放视频,实时广播,使用Media Services v3分析您的视频。
11、群集自动缩放器(cluster autoscaler),1道题。
为了满足Azure Kubernetes Service(AKS)中的应用程序需求,您可能需要调整运行工作负载的节点数。群集自动缩放器组件可以监视群集中由于资源限制而无法安排的Pod。当检测到问题时,将增加节点数以满足应用程序需求。还定期检查节点是否缺少运行的Pod,然后根据需要减少节点的数量。自动扩展或缩小AKS群集中节点数量的功能使您可以运行高效,经济高效的群集。
12、语言理解(LUIS)服务,2道题。
语言理解(LUIS)是基于云的API服务,将定制的机器学习智能应用于用户的会话性自然语言文本,以预测整体含义并提取相关的详细信息。
13、Text Analytics API,1道题。
文本分析API是基于云的服务,可提供对原始文本的高级自然语言处理,并包括四个主要功能:情感分析,关键短语提取,命名实体识别和语言检测。
14、QnA Maker服务,1道题。
QnA Maker是基于云的自然语言处理(NLP)服务,可轻松在数据上创建自然的对话层。它可用于从您的自定义知识库(KB)信息中为任何给定的自然语言输入找到最合适的答案。
15、Azure Stream Analytics的输出类型,1道题。
(1)Azure Data Lake Storage Gen 1(重点)
(2)Azure SQL Database(重点)
(3)Azure Synapse Analytics
(4)Blob storage and Azure Data Lake Gen 2(重点)
(5)Azure Event Hubs(重点)
(6)Power BI
(7)Azure Table storage
(8)Azure Service Bus queues
(9)Azure Service Bus topics
(10) Azure Cosmos DB(重点)
(11) Azure Functions
16、Azure Stream Analytics中的Edge作业步骤,1道题。
(1)创建一个存储容器
存储容器用于保存您的作业定义,以供IoT设备访问。您可以重复使用任何现有的存储容器。
(2)创建ASA边缘作业
创建一个新作业,选择Edge作为托管环境。这些作业是从云创建/管理的,并在您自己的IoT Edge设备上运行。
(3)在设备上设置IoT Edge环境
(4)在您的IoT Edge设备上部署ASA
ASA作业定义已导出到先前创建的存储容器。
17、Azure Video Indexer,2道题。
是一个基于Azure媒体分析,Azure搜索,认知服务构建的云应用程序。它使您可以使用下面介绍的Video Indexer视频和音频模型从视频中提取见解:
(1)可视文本识别(OCR):提取视频中直观显示的文本。
(2)音频转录:将语音转换为12种语言的文本并允许扩展。
(3)情感分析:从语音和视觉文本中识别正面,负面和中立的情感。
(4)人脸检测:检测并分组视频中出现的人脸。
18、机器人服务模板(Bot Service templates),1道题。
(1)基本机器人(Basic bot):使用对话框来响应用户输入的机器人;
(2)表单机器人(Form bot):通过引导性对话收集用户输入的机器人;
(3)语言理解机器人(Language Understanding bot):使用自然语言模型理解用户意图的机器人;
(4)问答机器人(Question and Answer bot):将半结构化数据(如问题和答案对)分离为有用的答案的机器人;
(5)主动机器人(Proactive bot):向用户发送主动消息的机器(如timer或reminder)。
19、Apache Spark,1道题。
Apache Spark是一个并行处理框架,支持内存处理以提高大数据分析应用程序的性能。Azure HDInsight中的Apache Spark是云中Apache Spark的Microsoft实现。通过HDInsight,可以更轻松地在Azure中创建和配置Spark群集。HDInsight中的Spark群集与Azure存储和Azure Data Lake存储兼容。
20、Interactive Query(交互式查询),1道题
交互式查询(也称为Apache Hive LLAP或低延迟分析处理)是一种Azure HDInsight群集类型。交互式查询支持内存中缓存,这使Apache Hive查询更快,更具交互性。客户使用交互式查询以超快速的方式查询存储在Azure存储和Azure Data Lake存储中的数据。交互式查询使开发人员和数据科学家可以使用他们最喜欢的BI工具轻松处理大数据。HDInsight Interactive Query支持多种工具,可轻松访问大数据。
21、AI+机器学习内置角色,1道题。
(1)Cognitive Services Contributor:可以创建,读取,更新,删除和管理认知服务的键;
(2)Cognitive Services Data Reader:读取认知服务数据;
(3)Cogintive Services User:可以读取和列出认知服务的键。
22、Azure Data Lake Analytics,2道题。
是Microsoft在Azure云中提供的基于云的分布式数据处理体系结构。它基于YARN,与开源Hadoop平台相同。它与Azure Data Lake Store配对,Azure Data Lake Store是为大数据分析而设计的基于云的存储平台。
除技术规范外,ADLA是一个平台,可用于处理超大型数据集,与现有数据仓库集成以及对结构化和非结构化数据进行真正的并行处理。它相对容易学习,并且建立在几乎每个企业都具备的技术技能的基础上,并且具有非常低的入门成本和易于管理的定价结构。
ADLA是Microsoft自主研发的大数据解决方案Cosmos的直接后代。
23、Azure IoT Edge由三个组件组成,1道题。
(1)IoT Edge模块
是运行Azure服务,第三方服务或您自己的代码的容器。模块已部署到IoT Edge设备,并在这些设备上本地执行;
(2)IoT边缘运行时
各边缘的IoT设备上运行和管理部署到每个设备的模块;
(3)基于云的接口
使您能够远程监控和管理物联网边缘设备。
24、Compliance Manage,1道题。
Azure合规性管理器可帮助您评估和管理GDPR合规性。Compliance Manager是一种免费的Microsoft云服务解决方案,旨在帮助组织满足复杂的合规性义务,包括GDPR,ISO 27001,ISO 27018和NIST 800-53。Compliance Manager GDPR仪表板今天通常面向Azure客户开放,使您可以分配,跟踪和记录GDPR遵从性活动,以便您可以跨团队协作并管理文档以更轻松地创建审核报告。
25、Content Moderator,1道题。
Azure内容主持人API是一种认知服务,可检查文本,图像和视频内容中是否存在令人反感,有风险或其他不良材料。找到此类材料后,该服务将适当的标签(标记)应用于内容。然后,您的应用可以处理标记的内容,以便遵守法规或维护用户的预期环境。
26、Anomaly Detector(异常检测器)
使您可以监视和检测时间序列数据中的异常,而无需了解机器学习。无论行业,场景或数据量如何,异常检测器API的算法都可以通过自动识别最合适的模型并将其应用于您的数据来进行自适应。API使用您的时间序列数据,确定异常检测的边界,期望值以及哪些数据点是异常。
27、IoT Hub和Event Hub的区别,好几道,反复考,把人都考晕了。
Azure提供专门为各种类型的连接和通信而开发的服务,以帮助您将数据连接到云的力量。Azure IoT Hub和Azure Event Hub都是云服务,可以摄取大量数据并处理或存储这些数据以获取业务见解。两种服务的相似之处在于它们都支持以低延迟和高可靠性来摄取数据,但是它们是为不同目的而设计的。物联网中心的开发旨在满足将物联网设备连接到Azure云的独特要求,而事件中心是专为大数据流而设计的。Microsoft建议使用Azure IoT Hub将IoT设备连接到Azure.
Azure IoT Hub是连接IoT设备以收集数据并推动业务洞察力和自动化的云网关。此外,IoT中心还包括一些功能,这些功能可以丰富您的设备与后端系统之间的关系。双向通信功能意味着,当您从设备接收数据时,您还可以将命令和策略发送回设备。例如,使用云到设备的消息传递来更新属性或调用设备管理操作。云到设备的通信还使您可以通过Azure IoT Edge将云智能发送到边缘设备。IoT中心提供的唯一设备级身份可帮助更好地保护IoT解决方案免受潜在攻击。
Azure Event Hub是Azure的大数据流服务。它设计用于高吞吐量数据流方案,在这种方案中,客户每天可能发送数十亿个请求。Event Hubs使用分区的消费者模型来扩展您的流,并集成到Azure的大数据和分析服务中,包括Databricks,Stream Analytics,ADLS和HDInsight。借助事件中心捕获和自动充气等功能,此服务旨在支持您的大数据应用程序和解决方案。此外,IoT中心将事件中心用于其遥测流程,因此您的物联网解决方案也将从事件中心的强大功能中受益。
总之,这两种解决方案都是为大规模数据摄取而设计的。只有IoT中心才能提供丰富的特定于IoT的功能,这些功能旨在为您提供最大程度的将IoT设备连接到Azure云的业务价值。如果您的物联网之旅刚刚开始,那么从IoT中心开始以支持您的数据提取方案就可以确保一旦您的业务和技术需求需要它们,您就可以立即访问功能齐全的IoT功能。
28、四种身份验证技术用于在机器人和机器人连接器之间建立信任,1道题。
(1)SSL / TLS(重点)
SSL / TLS用于所有服务到服务的连接。
(2)OAuth 2.0
OAuth 2.0使用Azure Active Directory(Azure AD)v2帐户登录服务生成安全的令牌,机器人可以使用该令牌来发送消息。此令牌是服务到服务的令牌;无需用户登录。
(3)JSON Web令牌(JWT)(重点)
JSON Web令牌用于对发送到机器人或从机器人发送的令牌进行编码。客户应根据本文概述的要求完全验证其收到的所有JWT令牌。
(4)OpenID元数据
Bot Connector服务发布了一个有效令牌列表,该列表用于在众所周知的静态端点将自己的JWT令牌签名到OpenID元数据。
其他的就都记不清了,总之不是太难,个人感觉比AZ-103和AZ-500容易。
-
挨踢茶馆店小二会员
恭喜恭喜,太高产了
-
微信用户会员
学习的人总是让人心生向往
-
-
作者帖子
哎呀,回复话题必需登录。 Login here