AI-900 : Principes de l’IA Azure

1. Aperçu du cours: Bonjour, tout le monde. Bienvenue donc dans cet examen de présentation des fondamentaux de l' AR AI, également appelé AI 900. Il s'agit donc d'un examen de certification de Microsoft , basé sur les services AR AI. Vous pouvez donc également passer l'examen de certification après ce cours. Maintenant, qu' y a-t-il exactement dans ce cours ? C'est donc un examen fondamental de l'IA ? Donc, concept lié au développement de logiciels ou services de Microsoft Azure afin que vous puissiez créer des solutions basées sur l' IA. Il existe donc déjà services basés sur l' IA sur Microsoft Azure. Il vous suffit de l'utiliser dans votre application pour pouvoir créer les applications basées sur l' IA. Maintenant, quels sont exactement les prérequis du cours ? Quel que soit votre parcours, que vous veniez d' un domaine technique ou non technique pour lequel cet examen vous convient, et si vous souhaitez obtenir plus de détails sur les principes fondamentaux de l'IA, nous discuterons du contenu exact du cours. Mais cela ne nécessite aucune expérience. Aucune expérience préalable en science des données n'est requise ni aucune expérience en génie logiciel requise. Pourquoi ? Parce que ce n'est pas un cours de data scientists, n'est-ce pas ? Il n'est pas nécessaire de développer les algorithmes complets à partir de zéro. Ces algorithmes ont déjà été créés par Microsoft, et ils les ont créés en tant que services d'IA. Il vous suffit de les utiliser comme services d'IA. C'est là que nous avons indiqué qu'il n'était pas nécessaire d'avoir un pack de science des données à portée de main. Maintenant, il est bon d'en savoir un peu plus sur l'utilisation du cloud et de la SSR, mais si vous n'avez aucune idée du cloud ou de la SR, vous pouvez également consulter mon autre cours sur le cloud computing, dans lequel je n'ai littéralement parlé que du SCR, c'est-à-dire de ce qu' est exactement le cloud, de ce qu'est exactement le SCR C'est bon. Objectif du cours Ce cours est divisé en plusieurs modules, l'intelligence artificielle, principes fondamentaux de l'apprentissage automatique et de la SSR, la vision par ordinateur, le NLP et l'IA générative C'est ce dont nous avons parlé dans ce cours. Maintenant, qui devrait suivre ce cours ? Toute personne intéressée à poursuivre une carrière chez ZO EA peut suivre le cours. Tout développeur ou data scientist existant s'il souhaite utiliser les services ZO EI ou tout professionnel de l'informatique AA souhaitant intégrer les capacités de l'IA dans son application. Ils peuvent aller chercher le score. Ainsi, une fois que vous aurez terminé ce cours, vous pourrez passer l'examen de certification de Microsoft, où vous pourrez passer cette certification AI 900. J'espère donc que cette partie est claire. Merci à tous. 2. Charges de travail courantes en IA: Yone. Bienvenue dans cette classe EI 900 , c' est-à-dire que c'est votre entraînement fondamental en matière d'IE Alors ici, commençons par comprendre ce qu'est exactement l' intelligence artificielle, ou nous l'appelons aussi IA. L'IA n'est qu'un logiciel qui imite les capacités du comportement humain. Donc, en termes plus simples, nous pouvons dire que nous développons de tels systèmes informatiques capables d'exécuter les tâches qui nécessitent l'intelligence humaine. Quelle que soit la tâche qu'un humain peut accomplir, cette tâche peut également être facilement exécutée par cette intelligence artificielle, n'est-ce pas ? Il s'agit donc en fait d'un logiciel qui imite les capacités du comportement humain. À présent, réduisons certaines des charges de travail de l'IE. Les différentes charges de travail de l'IE sont donc présentes, telles que l'apprentissage automatique, vision par ordinateur, l'intelligence documentaire NLP Nous parlerons de toutes ces charges de travail. Parlons maintenant de chaque charge de travail. C'est quoi exactement ce traitement du langage naturel ? Dans le cadre de cette charge de travail particulière liée à l' IA, nous entraînons les modèles afin qu'ils ne se contentent pas d'en comprendre le sens. Ils comprennent également le sentiment et l'intention. Cela signifie qu'une analyse sentimentale est effectuée au sein de cette PNL, Maintenant, comprenons-le à l'aide d'un exemple. Donc, vous devez absolument faire une recherche sur Google. Supposons que vous recherchiez un mot clé appelé lavage de voiture. Vous écrivez « allez sur Google » et vous écrivez ce que l' on appelle un lavage de voiture. Donc, lorsque vous écrivez lavage de voiture, cela vous donne une sorte de schéma, comme le lavage de voitures à proximité, lavage de voitures en Inde ou le lavage de voitures. Cela vous donne beaucoup d'autres choses en gros, non ? Donc, en gros, avec la PNL, vous pouvez voir que la saisie automatique de la recherche est un bon exemple de PNL Il prédit donc ce que vous recherchez afin que vous puissiez simplement cliquer dessus et vous enregistrer. C'est le seul moyen de le taper. C'est l'exemple de la PNL, non ? Et il y a aussi ce on appelle une présence sur les réseaux sociaux. Disons qu'il existe une marque disponible sur Instagram, Facebook et différents comptes de réseaux sociaux , n'est-ce pas ? vous ai donc dit que cela fait également ce on appelle une analyse sentimentale L'analyse sentimentale est donc en fait un sous-ensemble de cette PNL. Donc, disons qu'il y a des critiques positives et des critiques négatives. Et vous voulez conclure, comme si, vous savez, il examinerait ces commentaires et jugerait s'il s'agit d'un commentaire positif ou négatif, car il peut comprendre ces sentiments et toutes ces choses, n'est-ce pas ? Vous pouvez donc également utiliser ces modèles de traitement du langage naturel, et vous pouvez essentiellement avoir un rapport sur vos commentaires positifs, négatifs et toutes ces choses, n'est-ce pas ? Il peut donc également évaluer votre présence sur les réseaux sociaux. Désormais, l'intelligence documentaire fait également partie de la charge de travail de l'IA. Qu'est-ce qui est fait exactement ? Vous pouvez utiliser ce que l'on appelle l'analyse de documents. Supposons qu'une carte de visite scannée s'y trouve et que vous souhaitez en extraire les coordonnées. Vous pouvez donc utiliser ce que l'on appelle cette analyse de documents afin extraire les coordonnées de la carte de visite numérisée, n'est-ce pas ? IA générative. C'est quelque chose que nous faisons tous les jours. Vous demandez à Ch PIB, n'est-ce pas ? Pour écrire un code Python à cette fin, écrivez peut-être un script Power Shield pour le faire, n'est-ce pas ? C'est donc un AVA génératif, non ? Que fait exactement ce gatif AA. En gros, il produit différents types de contenu, y compris votre texte, il peut également produire du son, vidéo et des images , n'est-ce pas ? Ainsi, un exemple de cette IA générative est la génération de votre code Python, code basé sur la description fournie. Donc, quelle que soit la description que vous fournissez, elle crée un code Python, n'est-ce pas ? Et peut également générer une image basée sur la description. C'est votre IA générative. Maintenant, l'un d'eux est la vision par ordinateur. Donc, tout comme dans la PNL, je vous l'ai dit, il existe un sous-ensemble appelé analyse sentimentale De même, en vision par ordinateur, il existe ce que l'on appelle la classification d'images, qui est en fait une technique de vision par ordinateur uniquement dans laquelle vous entraînez un modèle pour prédire la classe d'une image en fonction de son contenu. Comprenons-le. Disons que nous entraînons un mannequin ici. Nous avons différentes images, alors nous entraînons le modèle afin qu'il puisse prédire où se trouve exactement la voiture, n'est-ce pas ? Alors, où pouvez-vous l'utiliser ? Supposons, vous savez, que vous vouliez vérifier les dégâts, l' ampleur des dommages causés à un véhicule à partir d'une photographie qui peut être facilement réalisée à l'aide de cette technique de vision par ordinateur. C'est la prochaine charge de travail de l'IA. La dernière est ce qu'on appelle l'exploration des connaissances, n'est-ce pas ? Il peut ainsi comprendre et explorer en profondeur une grande quantité d'informations pour mieux comprendre vos données, et vous pouvez découvrir les modèles de relations cachés entre vos données. Donc, si vous disposez d'une grande quantité de données et que vous souhaitez découvrir des modèles relationnels cachés pour vos données, c'est dans l'art que vous pouvez entraîner le modèle pour l'exploration des connaissances. Ce sont les différentes charges de travail liées à l'IA qui ont été abordées J'espère que cette partie est claire, les gars. Merci à tous. 3. Identifier les principes directeurs pour une IA responsable: Tout le monde, aujourd'hui, nous allons discuter du principe de l'IA responsable, ou il existe des principes directeurs chaque fois que vous développez des applications basées sur l'IA. Il existe donc principalement six principes directeurs chez Microsoft Le premier est donc l'équité. L'équité signifie que vous devez traiter tout le monde équitablement. Comprenons-le à l' aide d'un exemple. Supposons que vous développez une demande d'approbation de prêt. Donc, la demande de prêt que vous allez développer ne doit certainement , la demande de prêt que vous allez développer pas être basée sur un quelconque biais fondé sur l'identité de genre ou tout autre facteur qui donne un avantage à un groupe spécifique de candidats, n'est-ce pas ? Vous devez donc traiter tout le monde équitablement. C'est exactement le sens de cette équité, n'est-ce pas ? Maintenant, peut-être que si vous développez, disons, une application basée sur les ressources humaines, afin que le système HRAI sélectionne tous les candidats sans tenir compte de leur âge, leur sexe ou de toute autre capacité physique Tel devrait être l'objectif de ce principe guidé par l'équité. Maintenant, ce qui suit est la fiabilité et la sécurité. Ainsi, quelle que soit la solution d'IA que vous allez développer, elle doit être fiable et sûre. Cela signifie, disons, que vous créez essentiellement une application pour notre service de santé. Donc, ces applications particulières, basées sur l'IA, peuvent également mettre en danger la vie humaine, n'est-ce pas ? Donc, s'il y a un manque de fiabilité dans votre logiciel basé sur l' IA, cela peut mettre en danger la vie humaine. Vous devriez donc développer des systèmes d' assurance-emploi fiables et sûrs à utiliser, n'est-ce pas ? Supposons que vous conduisiez si vous voulez développer une solution de taxi sans chauffeur Vous devriez donc effectuer des tests de régression et déployer votre système d' assurance-emploi afin qu'il soit sans danger pour la vie humaine, n'est-ce pas Désormais, la confidentialité et la sécurité, la confidentialité et la sécurité signifient que les systèmes de l' IE doivent être sécurisés et respecter la vie privée. Certainement, lorsqu'il y a une grande quantité de données, elles peuvent contenir votre identifiant e-mail, votre adresse personnelle. Cela doit donc rester privé, non ? Ainsi, chaque fois que vous déplacez ces modèles en production, la confidentialité doit être prise en compte. La confidentialité et la sécurité doivent également être prises en compte. OK ? Inclusivité. L'inclusivité signifie que vous devez toujours inclure tout le monde Supposons que vous créiez également une application pour les utilisateurs malvoyants. Vous devez donc inclure tous les utilisateurs, d'accord, quels que soient leurs capacités physiques, leur sexe, leur orientation sexuelle, leur origine ethnique. Cela devrait donc profiter à tous les secteurs de votre société. Cela devrait être l'objectif de l'inclusivité, n'est-ce pas ? La transparence signifie que le système AA doit être compréhensible. Ça veut dire, euh, qu'il sait. Imaginons que vous développez une application basée sur l'IA. L'utilisateur doit donc comprendre comment il fonctionnera, quelles données il utilisera, quelles sont toutes les limites de votre système d'IA, quelles sont les capacités du système. Cela doit donc être transparent pour vos utilisateurs, n'est-ce pas ? C'est votre transparence. La dernière partie concerne la responsabilité. La responsabilisation signifie les utilisateurs qui développeront. Quels sont les développeurs qui développeront le système EI. Ils doivent, vous savez, respecter les normes de leur organisation, les normes légales, la politique de l' organisation, n'est-ce pas ? Les développeurs qui développeront le système d'assurance-emploi doivent donc appliquer la politique de l'organisation afin de répondre clairement aux normes légales ou à toute norme éthique. C'est donc le sens de la responsabilité. Voici donc six principes directeurs en ce qui concerne votre IE. Chaque fois que vous développez un système d'IA , ces six principes directeurs sont essentiellement présents. Elle est également appelée IE responsable. J'espère donc que cette partie est claire. Merci à tous. 4. Principes de base de la vision par ordinateur: Tout le monde. Nous allons donc parler aujourd'hui des principes fondamentaux de la vision par ordinateur. Mais tout d'abord, comprenons ce qu'est exactement une technologie de vision par ordinateur. Comprenons. La vision par ordinateur est donc un domaine de l'intelligence artificielle uniquement dans lequel nous apprenons aux ordinateurs et aux systèmes à générer des informations significatives à partir d'images numériques , de vidéos, etc. Par exemple, comprenons. Supposons que vous vouliez qu'il y ait une image et que dans cette image, il y ait du texte écrit sur cette image, et que vous souhaitiez extraire ce texte de cette image. Vous pouvez le faire avec des capacités de vision par ordinateur. De même, supposons que vous souhaitiez qu'il y ait une image et que vous souhaitiez détecter type d'objets qui s'y trouvent. Imaginons des objets dans cette image, il y a un sac à main, un texte, il y a différents objets Ensuite, vous pouvez effectuer ce que l' on appelle la détection d'objets. Voici donc les différentes fonctionnalités que vous pouvez utiliser dans cette vision par ordinateur. La vision par ordinateur n'est donc pas un terme Azure, c'est un terme d' intelligence artificielle. Mais comment l'utilisons-nous comme plateforme, cette vision par ordinateur ? C'est de cela que nous allons parler. Il existe deux services , appelés vision et service de visage , que vous pouvez créer. En tant que vision de l'IA, à l'intérieur de celle-ci se trouve votre vision de l' IE, vous pouvez effectuer une analyse d'image, une analyse d'image, tout comme vous pouvez étiqueter une image, comme vous pouvez étiqueter cette image Vous pouvez générer la légende car cette image ne parle que d'une chose. Vous pouvez générer les légendes relatives à cette image. L'OCR, très, très importante reconnaissance optique de caractères, permet d'extraire le texte des images Et si vous souhaitez les fonctionnalités avancées de détection de phase, vous pouvez utiliser ce service de phase Bien que dans le service de vision lui-même, vous pouvez effectuer la détection des visages, mais avec les fonctionnalités de base. Mais si vous souhaitez effectuer une détection de phase avancée comme des images floues ou autre, vous pouvez utiliser ce service de reconnaissance faciale Maintenant, nous allons en savoir plus à ce sujet dans la documentation Microsoft sur services de vision par ordinateur dont nous avons discuté. Quels services seront créés en SR ? Nous pouvons créer le service de vision Azure AI ici ou vous pouvez créer un service de phase. Permettez-moi tout d' abord de vous présenter la documentation Microsoft. C'est bon. Vous pouvez le voir ici, une tâche de classification d'images que vous pouvez effectuer dans votre vision Un service de vision. Par exemple, sur cette image, vous pouvez voir qu' il y a des textes ici. Il y a des bus, des cyclistes ou quoi que ce soit d'autre. Vous pouvez obtenir ces informations à l'aide de la classification des images. Il classera essentiellement les images en fonction du véhicule qu'elles contiennent ou de tout autre élément, et de la détection d'objets. Je peux détecter un objet. Maintenant, la différence très importante entre classification d'une image et la détection d'objets est elle vous indique également l'emplacement de qu' elle vous indique également l'emplacement de cette classe en particulier, disons. Ici, vous pouvez voir qu' il a détecté un bus. Il a détecté une voiture, il a détecté un cycliste, et il vous donne également une sorte de cadre de délimitation indiquant où se trouvent exactement les différentes catégories de véhicules ici. Il vous donne un cadre de délimitation, mais dans la classification des images, il ne vous donne aucune sorte de cadre de délimitation Question très importante également du point de vue de l'examen. Comprenez-vous le cadre de délimitation dans la classification des images ? Non. Nous obtenons le boîtier de délimitation. Le cadre de délimitation n'est rien d'autre que ces coordonnées rectangulaires. Vous obtenez le cadre de référence dans cette détection d'objets elle-même. Tu peux le voir. Une dernière chose est, disons, un OCR. C'est la reconnaissance optique de caractères. Comme vous pouvez le voir, sur cette image, nous avons quelques textes écrits. Si vous souhaitez extraire le texte des images, vous pouvez utiliser ce que l'on appelle une reconnaissance optique par aracor. C'est ce que tu peux faire. C'est très, très important, non ? Nous allons donc créer, je vais vous montrer comment vous pouvez le faire lors de la prochaine conférence, je vais vous montrer comment vous pouvez utiliser tout d'abord un service de vision en tant que service de vision IA afin que nous puissions effectuer l'analyse d'images, la reconnaissance optique des caractères, ainsi que d'autres fonctionnalités, comme la détection d' objets Merci à tous. J'espère que cette partie est claire. Merci. 5. Démo du service Azure AI Vision: Bonjour tout le monde Aujourd'hui, nous allons faire une démonstration sur la vision de l'IA. Nous allons créer un service de vision AR AI dans Azure afin de pouvoir analyser les images. Nous pouvons également faire un OCR, reconnaissance optique de Carter et d'autres choses, comme des capacités de détection d'objets Je vais me diriger vers mon portail Azure afin vous montrer comment créer le service et comment l'utiliser. Laissez-moi l'emmener au portail Z. C'est bon. Je suis donc sur votre portail. Je vais rechercher un service appelé Vision dans cette section de ressources de recherche. Je dirais vision, et vous pouvez constater qu'il y a beaucoup de services à offrir. Et en ce qui concerne le service de vision, vous trouverez ce nom associé à la vision par ordinateur ici. À l'heure actuelle, ils utilisent uniquement ce service de vision par ordinateur, mais il ne s'agit que d'une vision AA. Cliquons sur ce service de vision par ordinateur ici. C'est ce que nous voulons créer, et nous allons cliquer sur la section Créer ici. Nous vous fournirons les informations de base comme dans votre abonnement, votre groupe de ressources et votre nom, disons qu'il s'agit de Vision ou je dirais d'un service de vision d'essai, d'un service vision d' essai 01. Les prix sont aussi bas que le nombre d'appels pouvant être passés vers ce service de vision. Disons que j'opte pour un S one standard et un avis responsable en matière d'IA. Vous devez respecter les principes de l'IA responsable. Je dis que je reconnais tous les termes ci-dessus. Je clique sur Suivant, mise en réseau, cela peut être fait depuis n'importe quel réseau Disons que je vais utiliser le paramètre par défaut et cliquer sur Vérifier et créer. Créons d' abord ce service. C'est bon. Cliquons dessus, et une fois que c'est fait, nous nous dirigerons vers le Vision Studio. Attendons que cela soit terminé. C'est bon. C'est chose faite. Je vais cliquer sur Accéder à la ressource, disons maintenant. Attends-le. C'est bon. Maintenant, vous pouvez le voir ici. Si vous souhaitez essayer toutes les fonctionnalités de vision par ordinateur et créer vos propres modèles personnalisés, vous pouvez accéder à ce que l' on appelle Vision Studio. Permettez-moi d' abord de visiter ce studio Vision . Attendons-le. C'est bon. Vous pouvez le voir ici. Vous pouvez faire beaucoup de choses ici quand il s'agit d'un studio de vision. Vous pouvez effectuer une analyse d'image. Dans l'analyse de l'image, vous pouvez le constater. Vous souhaitez ajouter des légendes denses aux images, ou vous souhaitez ajouter des légendes aux Et l'une des fonctionnalités importantes ici si vous voulez détecter des objets et des images, c'est là que nous avons parlé de la détection d'objets, car elle vous donnera un cadre de délimitation et vous permettra également de classer l'endroit exact où se trouve cet objet en particulier sur si vous voulez détecter des objets et des images, c'est là que nous avons parlé de la détection d'objets, car elle vous donnera un cadre de délimitation et vous permettra également de classer l'endroit exact où se trouve l'image Cela vous donne également un score de confiance, allant de 0 à 1, en gros, comme la façon dont l'IA est sûre que cet objet en particulier n'est que cela Cela vous donne également un score de confiance. C'est ce que vous obtenez avec cette détection d'objets. Si vous voulez découvrir ce que vous pouvez faire, vous pouvez cliquer dessus pour détecter des objets courants dans un magazine, disons ici, vous allez faire défiler la page vers le bas. Tu peux le voir. Certaines images y trouvent, que vous pouvez également utiliser. Et si vous souhaitez utiliser vos propres images personnalisées, vous pouvez également rechercher ce fichier. Disons que j'opte pour l'image standard en particulier ici. Permettez-moi d'utiliser cette image. Supposons que je souhaite créer une ressource de sélection Je vais donc sélectionner mon abonnement, et je vais sélectionner la ressource que j'ai créée, service de vision test 01 Et permettez-moi de le confirmer. Utilisez ce service en particulier et détectez ces objets spécifiques sur cette image. Attendons-le. Je dois également jouer un rôle reconnu ici. C'est dit. Je le dis, oui, je le reconnais. Ce service en particulier sera payant. Je dois dire, OK. D'accord. Je l'ai donc créé récemment. Il est dit « accès » ce soir. Attendez un peu, et vous serez en mesure de le configurer. Attendez donc un peu et nous détecterons à nouveau les objets. C'est bon. Donc, après avoir attendu presque 5 minutes, j'ai pu m'en rendre compte. Vous pouvez voir qu'il a détecté l'objet Comme vous pouvez le voir, cela signifie qu'il m'a donné un cadre où il est écrit « rame de métro Cela vous donne un score de probabilité. Cela vous donne 0-1, un signifie 100 %, donc vous pouvez le voir ici Il donne sous forme de pourcentage où il est indiqué 79,50 %. Il a également détecté quelque chose appelé personne, ce qui vous donne une probabilité d'environ 77 % et vous avez également quelque chose appelé en tant que personne ici, il donne le score de probabilité de ce pourcentage Vous pouvez utiliser ces différents éléments dans cette analyse d'image où vous pouvez également utiliser vos propres images télécharger vos images et voir la détection d'objets. Rappelez-vous toujours qu'en matière de détection d'objets, cela vous donne trois choses principales. L' image est particulièrement importante. Ici, vous pouvez voir que sur cette image, il a détecté la personne. Cela signifie qu'il classera votre image. Cela vous donnera également un score de probabilité, ou cela vous donnera également une autre chose, à savoir un cadre de sélection, très important ici Nous pouvons également essayer d'autres fonctionnalités dans ce studio de vision en particulier, si je dois juste aller dans le studio de vision. Si je dois aller droit au but, parce que nous avons vu qu'en ce qui concerne le visage, nous avons déjà un autre service appelé service facial. Maintenant, dans ce service de reconnaissance faciale, vous pouvez effectuer une tâche simple, comme détecter le visage dans les images et toutes ces choses. Mais si vous souhaitez effectuer une détection faciale avancée telle que des images floues ou autre, vous allez créer une ressource différente appelée service de reconnaissance faciale J'espère que cette partie est claire, les gars. Merci à tous. 6. API de vision: Bonjour, tout le monde. Aujourd'hui, nous allons faire la démonstration en tant qu'API AA Vision. Maintenant, qu'est-ce qu'un APAS ? Si deux applications veulent communiquer entre elles, elles veulent échanger des données, alors nous utilisons ce que l' on appelle une API. Nous pouvons utiliser Vision Studio, télécharger nos images et tout le reste, où nous pouvons obtenir les fonctionnalités d'analyse d'images et tout le reste. C'est très bien. Mais si nous voulons le faire par programmation, disons que j'ai une application de base Powersal et que je souhaite envoyer une image via cette application envoyer une image via cette Ensuite, nous utiliserons quelque chose appelé API. Il s'agit de l'interface de programmation d'applications. Maintenant, j'ai déjà une application de base PowerShell où je souhaite appeler cette API de vision Je vais envoyer une image et je veux extraire, disons, je veux générer la légende de cette image. Supposons que je veuille faire la description de cette image. Je souhaite effectuer les différentes tâches disponibles pour cette image. J'utiliserai des API dans ce cas. Maintenant, permettez-moi de vous montrer cette application, tout d'abord. C'est bon. Il s'agit de l'application par laquelle vous souhaitez analyser l'image. Vous devez fournir les clés et le point de terminaison de la ressource de vision que nous avons créée dans le portail SR. Je vais vous montrer comment extraire les clés, les clés d'authentification et le point de terminaison. Il s'agit du nom de domaine de cette application particulière, le service de vision. Nous allons envoyer cette image particulière qui se trouve dans le contenu du Microsoft Gub Vous pouvez le voir ici. Je vais vous montrer à quoi ressemble cette image ? Nous voulons envoyer cette image. Et à l'aide de cette image, nous voulons appeler l'API de vision. L'APA est le nom de votre point de terminaison, slash vision, V 3.2 analyse, et nous voulons savoir ce que nous voulons faire avec les fonctionnalités visuelles, nous voulons détecter les objets, nous voulons également générer les descriptions et les catégories C'est ce que nous appelons l'APA. Il s'agit essentiellement de l'API. Il s'agit de l' API de vision que nous appelons. Dans ce cadre, nous essayons de faire ces trois choses. C'est ce que nous essayons de faire. Nous essayons d'envoyer ces en-têtes. C'est là que nous envoyons ces clés d'authentification et partout. Et nous sommes en train de convertir les résultats au format JSON ici. C'est ce que nous essayons de faire dans cette application. Cela signifie que par programmation, en appelant également la vision APA, nous pouvons également envoyer les images Si vous créez une application, vous pouvez également le faire. Maintenant, laissez-moi vous montrer tout d'abord l'image qui indiquera à quoi ressemble exactement l'image. Je vais vous montrer l' image. C'est bon. C'est l'image qui est donnée ici. C'est l'image sur laquelle nous allons travailler à partir de notre vision APA. Maintenant, pour pouvoir appeler l'API de vision en premier, appeler l'API de vision en premier, j'ai besoin des clés et du point de terminaison de ma ressource de vision que j'ai créée sur mon portail Azure. Permettez-moi de vous emmener sur le portail Azure et d'y extraire ces informations. Permettez-moi de vous rediriger vers le portail Azure. C'est bon. Je suis sur le portail Azure et je recherche cette ressource que j'ai créée pour tester vision 01 car j'ai besoin clés et du point de terminaison de cette ressource de vision particulière. Attendons-le. Maintenant, sur le côté gauche, vous pouvez le voir dans la section de gestion des ressources, vous pouvez voir ces clés et ce point de terminaison ici. J'aurais donc besoin des clés et du point de terminaison pour cette source particulière. Vous pouvez donc cliquer sur Afficher les clés pour afficher les clés d'authentification ici, et vous devez également copier le point de terminaison. Permettez-moi donc de copier ces clés et ce point de terminaison là-bas dans mon application basée sur Powershell. C'est bon. J'ai copié les clés et la section du point final ici, comme vous pouvez le voir. Maintenant, je peux appeler ce service de vision APA en particulier. C'est-à-dire que tout est enregistré ici comme ce que je veux envoyer. Je vais maintenant exécuter cette application particulière. Je suis dans mon dossier AI 900. Si je veux l'exécuter, je vais donner un nom d'application, analyser l'image PS one, et j' enverrai également cette image en particulier. C'est le fichier Store Camera One P. C'est ce que je veux envoyer. Permettez-moi donc également de vous envoyer ces informations . C'est bon. Cette image est donc stockée dans mon dossier de données, mon dossier vision, puis dans le nom de cette image en particulier. Allons-y, présentateur. Il analyse donc l'image. Et vous pouvez voir qu'il a généré le tag, il a également généré les objets. C'est ce qu'il a fait. Laissez-moi vous montrer Nous avions donc demandé cette image, comme quels sont exactement les tags de cette image. Comme vous pouvez le voir, il y a une personne, il y a une femme, il y a un magasin, il y a un magasin, c'est ce que tous les objets sur cette image, et il détecte également les objets, comme vous pouvez le voir, la chambre des personnes sur téléphone portable, chambre des personnes sur téléphone portable, c'est l'objet sur cette image, et si vous voulez faire défiler la page vers le haut. Vous savez, cela génère également des légendes à propos de cette image, d'une femme montrant son téléphone à un enfant C'est ce qui a généré les sous-titres, n'est-ce pas ? C'est ainsi que vous pouvez utiliser les différents APA disponibles. Il existe différents points de terminaison, où vous pouvez appeler l'APA, et par programmation, vous pouvez également appeler cet APA différent afin afficher les résultats ici également dans les applications basées sur le contrôle Vision Studio est une chose. L'autre solution est celle des APA que nous pouvons également utiliser, et il existe une autre solution, appelée kit de développement logiciel Cela signifie les bibliothèques. Supposons que vous souhaitiez effectuer la même tâche via des applications de base Python. S'il existe certaines bibliothèques, vous pouvez les utiliser et vous pouvez également accéder aux informations. Vous n'avez pas besoin d'appeler l'APA à partir de là. Application basée sur Python, vous pouvez également le faire via des kits de développement logiciel. C'est la SDC. Ce sont les bibliothèques. J'espère que cette partie est claire. Merci à tous. 7. Qu'est-ce que le traitement naturel des langues et le service linguistique par IA Azure: Tout le monde Nous allons donc parler du traitement du langage naturel , également appelé NLP Comprenons ce qu'est exactement la PNL. La PNL est donc à nouveau un domaine de l'IA qui consiste à donner un sens aux langues écrites et parlées Supposons que vous vouliez dire qu'il existe un document texte et que vous souhaitez indiquer dans quelle langue le document est écrit Vous pouvez également utiliser ce type de fonctionnalité dans Azure. Il s'agit de votre traitement du langage naturel. Il existe maintenant différents services pour différents cas d'utilisation. Par exemple, vous pouvez créer un service linguistique dans as your, qui peut effectuer de nombreuses tâches. Vous pouvez effectuer une détection de langue, où je m'assois, où vous pouvez fournir un document texte et il analysera la langue dans laquelle les données sont écrites. C'est là que vous pouvez également utiliser ce que l'on appelle l'extraction de phrases clés dans votre service linguistique. Par exemple, un document texte et vous envoyez un document texte et vous souhaitez préciser certaines des phrases clés ou les principaux points à retenir de ce document en particulier Vous pouvez ensuite utiliser l'extraction de phrases clés. Vous pouvez également effectuer une analyse des sentiments sur le document. Supposons que vous soyez présent sur les réseaux sociaux. Vous avez collecté de nombreuses informations dans un document texte et vous souhaitez analyser si les sentiments sont positifs, neutres ou négatifs. Vous pouvez le faire à l' aide du service linguistique, où vous souhaitez effectuer une analyse des sentiments. Il existe également quelque chose appelé «   autre chose », qui existe. Parlons maintenant de certaines fonctionnalités. Nous avons parlé de la détection de la langue. Vous pouvez donc déterminer la langue dans laquelle le texte est écrit à l'aide de ce service linguistique. Voici comment vous pouvez fournir un document l'aide de l'API ou utiliser le SDG Les kits de développement logiciel également. Vous pouvez également le faire à partir d'une application basée sur Python. Soit vous pouvez également vous rendre au studio de langue. Il existe différentes options envoyer ces documents à votre service linguistique. Maintenant, quel en sera le résultat ? C'est ainsi que se produira le résultat. Nous allons savoir dans quelle langue le document était essentiellement l'anglais. Vous obtiendrez également ce nom ISO pour ce document. Par exemple, EN, qui représente votre anglais uniquement, et vous obtiendrez également le score de confiance, c'est-à-dire le degré de confiance que l'IA prédit si ce document est écrit en anglais ou non C'est là que la valeur serait de 0 à 1. C'est ainsi que vous pouvez essentiellement faire la diction de la langue. Maintenant, vous disposez également d'une fonctionnalité appelée reconnaissance d' entité nommée. Supposons que vous souhaitiez tester certaines des différentes catégories. Disons, disons, un document que vous êtes en train de transmettre, où il est écrit que Cho est entré à Ln samedi. Les entités sont regroupées en catégories. Il existe certaines catégories de ceintures qui concerne ce nom, la reconnaissance des entités Il peut détecter une personne, il peut détecter un lieu, une date et une heure, etc. Actuellement, si vous envoyez ce document texte, vous utiliserez ce service appelé reconnaissance d'entités nominatives. C'est ainsi qu'il vous donnera essentiellement la réponse. Il détectera qu'il existe une entité personnelle. Il y a une entité de localisation à cet endroit. Il y a des entités diurnes là-bas. Il contient donc essentiellement des entités intégrées disponibles dans cette reconnaissance d' entité nommée Dans la prochaine démo, je créerai un service linguistique et je vous montrerai comment vous pouvez utiliser le studio de langue pour les différentes fonctionnalités de ce service linguistique. J'espère donc que cette partie est claire. Merci à tous. 8. Démo du service linguistique de l'IA Azure: Bonjour, tout le monde. Nous allons donc faire une démonstration rapide de notre service linguistique. Dans Azure Portal, nous allons donc tout d'abord créer cette ressource linguistique. Permettez-moi donc de vous rediriger vers le portail Azure. C'est bon. Je suis donc sur le portail ACR maintenant. Je vais regarder l'option de recherche de ressources ici, le service linguistique. Je vais cliquer sur cette option de recherche et dire langue. C'est le service qui vient ici. Je vais donc sélectionner ce service linguistique, puis je clique sur Créer, et vous pouvez le voir. Ce service linguistique met à votre disposition ces nombreuses fonctionnalités. Vous avez ce qu'on appelle une analyse Sit TBT, extraction de phrases clés, une réponse à une question prédéfinie Il existe donc différentes fonctionnalités. Vous disposez également de fonctionnalités personnalisées , disponibles ici. Supposons donc que je clique sur continuer pour créer les ressources ici. Supposons que je sélectionne le nom de mon groupe de ressources. Le nom de la ressource est, disons, langue. Langue 01 par synchronisation Je vais sélectionner un S A, disons qu'il est déjà utilisé, nous utiliserons des nombres aléatoires. Je dirais que je suis ce principe responsable, et je passe à la suivante, et avec les paramètres par défaut, j'opterai pour tlicon, plus create Attendons la validation. J'ai cliqué sur, créé l'option de création ici, et le déploiement a été lancé Attendons que le déploiement soit terminé. C'est bon. La ressource a donc été déployée. Je vais cliquer sur cette section de déploiement ici pour accéder à la ressource. Attendons cette section de ressources ici et voyons. Le déploiement est terminé. Je vais consulter cette ressource du service linguistique. Attendons cela. C'est bon. Je suis le service linguistique ici. Donc, si vous voulez le faire par programmation, vous avez déjà les clés et le point de terminaison sur le côté gauche sous cette gestion des ressources, mais nous allons explorer le studio de langage Donc, si vous le faites défiler vers le bas, vous y trouverez quelque chose appelé Getting started with Language Studio. Cliquons dessus. C'est bon. Je suis donc le portail de ce studio de langue maintenant. Maintenant, la toute première étape consiste à vous connecter ici pouvoir voir toutes les fonctionnalités de ce studio de langue Je vais donc simplement me connecter avec mes informations d'identification ici. Ensuite, je vais vous montrer comment vous pouvez utiliser les fonctionnalités disponibles dans ce studio de langue en particulier. Permettez-moi tout d'abord de me connecter à ce service linguistique. Attends-le. C'est bon. Je me suis donc connecté avec succès à mon studio de langue. Je vais faire défiler la page vers le bas. Vous pouvez voir les différentes fonctionnalités que vous pouvez utiliser avec ce service linguistique. Supposons que je souhaite extraire des informations, ou que vous souhaitiez extraire les entités nommées. Vous voulez extraire les phrases clés, ou disons que vous voulez également détecter les langues. Donc, si je fais défiler la page vers le haut, et si je passe à cette option de texte classifié, si vous voulez détecter la langue, vous pouvez la voir ici ou une analyse des sentiments. Si vous le souhaitez, vous pouvez utiliser la fonctionnalité. Supposons que j'utilise cette fonctionnalité de détection de langue ici. Attendons-le. Vous pouvez donc fournir n'importe quel type de texte ici. Cela peut donc prendre un certain temps. Peut-être que vous ne pourrez pas obtenir les résultats une fois que vous aurez payé le service immédiatement et que vous essayez de tester ce service. Cela peut donc prendre un certain temps, alors essayez de donner votre texte ici. Et après un certain temps, essayez simplement d'utiliser cette option, cliquez sur cette option « J' accepte », et juste à partir de là. Vous pourrez voir qu'il détectera la langue dans laquelle votre texte est écrit. Il y a donc beaucoup de choses que vous pouvez faire dans ce studio de langue, où nous avons parlé de certaines des fonctionnalités d'analyse des tests, telles que l'extraction d'une phrase clé, détection d'une langue, et il existe d'autres fonctionnalités que vous pouvez effectuer dans ce studio de langue J'espère donc que cette partie est claire en ce qui concerne ce service linguistique. Merci à tous. 9. API pour l'analyse du texte de démonstration: Au diable tout le monde. Nous allons faire une démonstration rapide de ce CPA d'analyse de texte Nous avions déjà vu que nous pouvions utiliser le studio de langue si vous souhaitez détecter des langues ou pour extraire des phrases clés, la reconnaissance d'entités nommée, ces fonctionnalités que nous pouvons également utiliser à l'intérieur depuis le studio de langue. Mais que faire si vous voulez le faire par programmation ? Supposons que j'aie une application basée sur PowerShell et que je souhaite appeler ce service linguistique Je souhaite envoyer des documents et j'ai besoin de détecter dans quelle langue le texte est essentiellement écrit. Vous pouvez donc utiliser ce que l'on appelle une API d'analyse de texte de test à cette fin. Maintenant, laissez-moi vous emmener au code de Visual Studio où j'ai déjà un code, et je veux que vous passiez revue le code dans lequel vous pouvez utiliser différentes parties de l' API d'analyse de texte qui s'y trouvent. Passons maintenant au code visuel de Sudio abord. C'est bon. Voici donc le lien. Laissez-moi vous montrer que ce sont les fichiers X ici. Voici le script. Vous devez tout d'abord fournir votre point de terminaison clé, qui se trouve dans ressource de votre service linguistique. Vous devez donc accéder au service linguistique et copier la clé en tant que point de terminaison. Ce que nous essayons de faire, c'est d'appeler le service d'analyse de texte pour analyser les sentiments exprimés. Nous avons déjà un fichier appelé review one point txt, lequel nous avons écrit une sorte de critique qui se trouve dans la langue anglaise elle-même. Maintenant, si je fais défiler vers le bas ce que nous essayons de faire. Nous envoyons ce document texte en particulier, c' est-à-dire le document qui trouve dans le texte à un point de révision, et nous essayons d' appeler l'APA. Comme vous pouvez le voir, tout d'abord, le nom du point de terminaison slash, les langages d'analyse de texte APA V 3.1 C'est l'année. N'oubliez pas que pour des raisons linguistiques, cela restera le même. Comme pour la détection de la langue, quel est le chemin UL que vous utiliserez pour les langues. Mais disons que je veux faire une analyse des sentiments. Si vous voulez bien vous promener, disons la même chose que je fais avec la même API elle-même. Jusqu'ici, l'API est la même. Analyse de texte V 3.1. Mais ce chemin UL est différent parce que je veux essentiellement trouver les phrases clés, les principaux, disons les points de discussion de ces je veux essentiellement trouver les phrases clés, les principaux, disons les points de discussion documents en particulier. C'est là que je peux utiliser ces phrases clés. Je vais faire défiler la page vers le bas, il existe différentes API. Les parties de l'URL sont là. Supposons que je veuille analyser ces sentiments s'ils sont positifs, négatifs ou neutres. Je peux utiliser la même structure de test analytics 3.1 jusqu' ici, c'est tout à fait la même chose. Après cela, ce chemin changera. Je vais maintenant envoyer cette demande d'API de sentiment ici. Cette API, ces éléments sont appelés chemins d'URL. Vous devez essentiellement modifier les chemins d'URL et vous pourrez envoyer votre demande. J'espère qu'en ce qui concerne les services linguistiques, nous avons discuté des différentes choses qui existent. La première est que vous pouvez utiliser la ressource du service linguistique et le studio de langue. nous en avons parlé, nous pouvons également utiliser Comme nous en avons parlé, nous pouvons également utiliser cet APA d'analyse de texte. Vous pouvez également utiliser ce qu'on appelle un SDCse, c' est-à-dire le Python ou, à partir de l'application basée sur CHA les bibliothèques sont déjà là Dans les coulisses, ces bibliothèques utilisent également uniquement les APA Mais il s'agit d'une version simple, vous pouvez le dire. Les bibliothèques que vous devez utiliser dans votre application basée sur Python ou CHA, et vous pouvez appeler ces ressources de service linguistique et envoyer vos documents à des fins d'analyse. J'espère donc que cette partie est claire, les gars. Merci à tous. 10. Démo Fonction de réponse aux questions personnalisée (service linguistique): Bonjour, tout le monde. Aujourd'hui, je souhaite créer une version provisoire de la fonction de réponse aux questions qui est à nouveau disponible uniquement dans votre service linguistique Mais commençons par comprendre en quoi consiste exactement cette fonctionnalité de réponse aux questions de votre service linguistique. Vous pouvez maintenant saisir vos questions et réponse correspondante, comme vous devez l'avoir vu dans la FAQ Si vous gérez un site Web et que vous y avez encore du FCS C'est là que vous pouvez utiliser cette fonction de réponse aux questions du service linguistique. Vous pouvez également fournir votre propre question et réponse ou vous pouvez extraire un document de FAQ s' il existe déjà une FAQ et si vous souhaitez extraire ces FAQ , c'est ce que vous pouvez faire Vous pouvez également utiliser certaines fonctionnalités de pré-chat pour générer les réponses. C'est comme si vous vouliez créer un chatbot. Vous pouvez l'intégrer, vous pouvez créer ce bot de discussion et vous pouvez l'intégrer à différents services, tels que le mettre en œuvre dans vos applications Web. C'est ce que tu peux faire. Vous pouvez créer une sorte de fonction de réponse aux questions qui existe dans le service linguistique. Je vais me rendre sur ce portail SR afin vous présenter la démonstration de la façon dont vous pouvez le faire. Laissez-moi vous emmener sur le portail ZR. C'est bon. Je suis sur le portail ZR et nous allons créer un service linguistique. Je vais me diriger vers un service appelé language, et je vais le créer. Cliquons sur l' option D ici. Maintenant, toutes les fonctionnalités sont là, vous pouvez voir que les fonctionnalités par défaut sont là, mais si vous voulez la fonctionnalité personnalisée, qui est, dans notre cas, réponse aux questions fonction de réponse aux questions de ce service linguistique, nous devons sélectionner celle-ci. Supposons que j'utilise également cette fonction de réponse aux questions et que je clique sur Continuer pour créer la ressource. Ici, je vais fournir tous les détails tels que le nom, la région, le groupe de ressources, les prix clairs, etc. détails tels que le nom, la région, , et je vais cliquer sur Créer. C'est bon. Comprenons-le. J'ai créé ce service linguistique en particulier, et je vais me diriger vers ce studio de langue, qui est à peu près le même que celui que nous faisions auparavant, pour commencer avec Language Studio. Attendons-le. Vous verrez maintenant cette option également ici, comprendrez les questions et le langage de conversation ici, et si vous faites défiler la page vers le bas, supposons que vous souhaitiez créer un projet basé sur cette réponse personnalisée à cette question. Permettez-moi tout d'abord de créer ce projet. Supposons que la langue dans laquelle je travaillerai pour tous mes projets soit l'anglais. Ensuite, disons que le nom de mon projet est, je dis simplement que c'est pour les questions-réponses. Je vais le dire sous la forme de Q A, et F Q est quelque chose comme ça La description est destinée aux questions et réponses, en la développant pour la fonction de questions-réponses standard ici. Si vous pouvez également fournir la réponse par défaut lorsqu' aucune réponse n'est renvoyée, si vous le souhaitez Disons que je ne suis d'accord avec rien et que je clique sur. Créez un projet. Attendons-le. Maintenant, notre projet est terminé. À l'heure actuelle, vous n'avez pas votre base de connaissances ou aucune FFQ n'existe Mais si vous avez un site Web, un fichier ou un chat, vous pouvez également fournir votre FAQ à partir d'ici Mais disons que je veux donner ma propre série de questions et réponses. Je vais cliquer sur cette section de la base de connaissances ici sur le côté gauche, et je vais fournir la liste des questions-réponses ici Supposons que quelqu'un discute avec mon chat, si quelqu'un me demande, disons, quelles sont les certifications liées à SA. Je veux que la réponse soit AI 900 ou AI une ou deux, disons, c'est ce que je veux donner. Disons que c'est fait. Disons que c'est la seule question. Vous pouvez également ajouter d'autres questions à ces questions basées sur les connaissances. Quelles sont les certifications d' ingénieur des données et sur quoi repose essentiellement votre entreprise, afin que vous puissiez fournir un ensemble de questions et réponses. Une fois que vous avez terminé, vous devez cliquer sur l' option Enregistrer ici C'est vous qui essayez d'enregistrer les modifications. Une fois la sauvegarde terminée, les modifications sont enregistrées. Ce que nous allons essayer de faire, nous allons essayer de le tester. Attendons-le. Vous pouvez voir que les modifications sont enregistrées. Maintenant, si vous voulez le tester, voici les fonctionnalités de test ici. Vous pouvez cliquer dessus, et disons que je dis simplement que toutes les certifications Z en tant qu'IA s'y trouvent. Supposons que je fournisse cette sortie simple, comme vous pouvez le voir, elle me donne, comme AI 900 AI, un ou deux. Mais ici, c'est bon. Je voudrais parler d' une dernière chose, qui s'appelle les accessoires de suivi Ce que je veux, c'est qu'il donne AI 900 sous forme de lien afin qu'il me redirige vers une autre page de certification Microsoft AI 900. Et si je clique un ou deux sur cette IA, cela me redirigera vers la page Microsoft AI un ou deux. C'est ce qu'on appelle les accessoires de suivi. Disons qu'actuellement ici, au lieu de cela, je modifie cette réponse et je dis que ce sont les certifications, et je veux ajouter un bals de suivi. Je vais vous expliquer ce qu'est exactement un bal de fin d'année. Mais disons que je dis simplement cela, j'ajoute un suivi des bals. C'est ce que je dis Chaque fois que j' afficherai la réponse, je dirais AI 900 et AI 900, je fournirai essentiellement le lien Microsoft, dirigera vers la page de documentation de Microsoft. Permettez-moi de copier la page Microsoft de l'AI 900. Je vais copier ce lien, tout comme la page AI 900. Disons que j'ajoute une invite. J'ajoute une autre invite. Et je dirais que cette fois l'utilisateur sera redirigé vers AI un ou deux. Certification et ici, je vais copier un ou deux liens vers l'IA. C'est bon. Je vais copier celui-ci ici et ajouter une invite. La prochaine étape consiste maintenant à l'enregistrer. Il vous suffit de l'enregistrer sinon, cela ne fonctionnera pas. Je clique donc sur Enregistrer. Attendons cela. Cette fois, nous avons ajouté les instructions professionnelles de suivi , également appelées accessoires multitours Attendons-le. C'est bon. C'est chose faite. Maintenant, testez-le et posez la même question que vous, en tant que présentateur et certifications en matière d'IA , et attendez. Comme vous pouvez le constater, cette fois, il me donne les réponses sous forme d'instructions de suivi. Au lieu du texte. Maintenant, si je clique sur ce bouton en particulier, cela me redirigera vers la réponse qui se trouve derrière cette IA nine d, comme vous pouvez le voir ici. Cela m'amène ici à cette page AI 900. Et si je clique sur AI un ou deux, cela m'amènera à la documentation Microsoft AI un ou deux. Cela s'appelle également une invite de suivi. Maintenant, permettez-moi de vous expliquer encore une fois, les accessoires de suivi. C'est bon. C'est ce dont nous parlons à propos des instructions de suivi. Vous pouvez ajouter des instructions de suivi pour définir les échanges multitonaux C'est ce dont nous discutons, n'est-ce pas ? Maintenant, cette fonction de réponse aux questions personnalisée dont nous avons parlé dans le langage, était auparavant appelée créateur de questions-réponses, également créateur de questions et Donc, si, dans le cas de la certification, vous obtenez un créateur de questions-réponses, c'est à cela qu'ils font référence à cette réponse personnalisée aux questions J'espère donc que cette partie est claire, les gars. Merci à tous. 11. Compréhension des langues ( Service linguistique ): Dites-le à tout le monde. Aujourd'hui, nous allons parler d'une autre fonctionnalité du service linguistique, compréhension conversationnelle du langage Nous avons déjà parlé d'une question et d'une réponse personnalisées où vous obtenez la réponse à la réponse statique, qui est stockée dans votre base de connaissances. Mais que faire si vous voulez obtenir la réponse en fonction de l'intention de l'utilisateur ? Ensuite, nous utiliserons ce que l'on appelle une fonctionnalité de compréhension du langage conversationnel que vous pouvez intégrer aux forums de discussion et autres applications eIPAS. Maintenant, nous allons comprendre. Maintenant, en ce qui concerne ce modèle de compréhension du langage ou cette fonctionnalité, il accepte les entrées en langage naturel d'un utilisateur. Maintenant, trois éléments sont présents en ce qui concerne cette fonctionnalité particulière. Maintenant, quelles sont exactement les fonctionnalités. Par exemple, les caractéristiques sont l' intention et l' entité de votre énoncé, ce qui est très important trois éléments Ce modèle de compréhension du langage comporte que vous devez comprendre. Énoncé, énoncé signifie, comme ce que dira l'utilisateur. Imaginons que vous développez une solution domotique. Imaginons qu'un utilisateur dise d' allumer la lumière. C'est l'énoncé de l'utilisateur. Comme le dira l'utilisateur. Maintenant, la deuxième partie, c'est ce dont nous avons parlé, la première composante est l' énoncé, c'est-à-dire ce que l'utilisateur peut dire Il peut y avoir différentes variantes. L'utilisateur peut également dire : allumez l' appareil, allumez-le. Il y a différents énoncés. Maintenant, cet énoncé est correct. Mais qu'entendez-vous par intention comme ce que l'utilisateur veut atteindre C'est l'objectif. C'est l'intention. Maintenant, dans cet énoncé, allumez la lumière, intention de l'utilisateur est d' allumer l'appareil C'est l'intention de l'utilisateur. Cela signifie que le but de l'énoncé de l'utilisateur, c'est l'intention Mais maintenant, il pourrait y avoir de nombreux appareils, il pourrait y avoir un ventilateur, il pourrait y avoir de la lumière. Mais ici, on ne sait pas si un utilisateur veut allumer la lumière ou allumer l'appareil ? Supposons que l'utilisateur dise d' allumer la lumière. Mais ici, le but est d'allumer l'appareil. Ce sont les intentions intégrées qui existent. Maintenant, vous avez une entité qui ajoute du contexte à l'intention. Supposons que l' utilisateur dise d'allumer la lumière. L'entité est conçue, mais plus précisément la lumière qu'il dit que vous devez allumer. C'est là que nous avons parlé d'entité. Cela fonctionne donc sur trois composants différents, votre énoncé, votre entité, et c'est celui-ci qui correspond à votre intention ici C'est le langage de conversation, le modèle de compréhension. J'espère que cette partie est claire, les gars. Merci à tous. 12. Réponses aux questions et compréhension des langues: Bonjour, tout le monde. Aujourd'hui, je veux vous montrer la différence entre la fonction de réponse aux questions dont nous avons discuté sur disque et la fonction de compréhension du langage. Désormais, ces deux fonctionnalités sont disponibles dans le service linguistique. Comprenons. Désormais, dans la fonction de réponse aux questions, vous obtenez une réponse statique à une question connue. Vous avez développé une base de connaissances et vous devez avoir enregistré certaines requêtes. Mais lorsqu'il s'agit de comprendre le langage, votre réponse indique l'intention la plus probable et l'entité de référence. Par exemple, un utilisateur dit d' allumer l'appareil ou d' allumer la lumière. Le but est d' allumer l'appareil et les entités peuvent être légères. C'est là que la réponse indique le plus probablement l'intention et les entités de référence. Maintenant, pour répondre à une question, il utilise à nouveau la compréhension du langage naturel pour faire correspondre la question à une réponse dans la base de connaissances. Mais lorsqu'il s'agit de comprendre le langage, il utilise également la compréhension du langage motelly, la PNL pour interpréter l'énoncé en fonction de ce que l'utilisateur essaie de dire, de l'objectif et du contexte, et il ajoutera le contexte à cette intention particulière, du J'espère donc que la différence entre ces deux fonctionnalités est claire. Merci à tous. 13. Service de parole: Tout le monde Aujourd'hui, nous allons parler de service rapide. C'est une autre caractéristique, ou vous pouvez dire que la charge de travail du NLP l'a fait Dans NLP, vous pouvez utiliser trois services différents dans Azure. Nous avons parlé du service linguistique. Nous avons également parlé du service rapide, nous avons parlé du service de traduction. Nous allons rapidement comprendre ce service rapide et savoir ce que vous pouvez faire exactement dans ce discours. Il peut donc effectuer de nombreuses tâches, mais les deux tâches importantes qu' un service vocal peut effectuer sont la reconnaissance vocale. Cela signifie que vous pouvez convertir votre discours en texte. Si vous avez un fichier audio et que vous souhaitez le convertir au format texte. C'est ce que tu peux faire. Supposons que vous ayez eu une réunion et que vous souhaitiez connaître les principaux points à retenir de cette réunion, vous souhaitiez convertir le fichier audio de la réunion en format texte C'est ce qu'on appelle la reconnaissance vocale. Nous pouvons également faire ce que l'on appelle une synthèse vocale, qui n'est rien d'autre que de la synthèse vocale. Si vous souhaitez générer le discours audible à partir du texte, vous pouvez faire ce que l' on appelle une synthèse vocale. Maintenant, en ce qui concerne le service vocal, il y a une chose importante que vous pouvez faire pour optimiser et affiner votre fichier audio. Supposons que vous ayez converti un texte en parole. Mais le fichier audio que vous avez, vous devez le peaufiner. Peut-être souhaitez-vous une version féminine pour ce fichier audio, ou peut-être souhaitez-vous modifier la tonalité de ce fichier audio. Maintenant, si vous voulez, en gros, affiner votre texte en sortie vocale, vous pouvez utiliser un langage appelé SSML Vous pouvez utiliser ce langage basé sur SSML qui est un langage basé sur ExamL pour affiner votre texte en sortie vocale, par exemple pour augmenter la Vous souhaitez modifier la prononciation. Vous souhaitez augmenter le volume de votre discours. C'est ce que tu peux faire. Voici à quoi ressemble la syntaxe du SSML Il s'agit d'une langue basée sur les examens. Disons que je dis cela, je veux le résultat, le fichier chez un homme âgé. C'est pour cela que je peux modifier les différents attributs. Il existe un attribut appelé rôle que je peux utiliser. Dans SSML, il existe différents attributs. Je peux également changer le ton de mon discours. Je le veux d'une manière très calme. Je peux utiliser un attribut appelé style. Si vous souhaitez affiner votre texte en sortie vocale, vous pouvez utiliser ce que l'on appelle un langage de balisage de synthèse vocale Il s'agit d'un langage basé sur EXIML. J'espère que cette partie est claire, les gars. Merci à tous. 14. Intelligence des documents: Bonjour, tout le monde. Aujourd'hui, je vais parler de ce service appelé renseignement documentaire , également appelé intelligence documentaire basée sur l'IA. Comprenons-le. Comme votre intelligence documentaire basée sur l'IA consiste à automatiser l'extraction des données. Par exemple, vous avez l'image d' un reçu, d'une facture ou d'une carte de visite. Vous souhaitez en extraire du texte. Cela signifie que vous souhaitez extraire les textes de ce document en particulier, tel qu'un reçu, une facture, une carte de visite. Ensuite, nous pouvons utiliser le service appelé renseignement documentaire. Cela ressemble beaucoup à l'OCA que nous avons étudié dans le cadre du service de vision par ordinateur, la reconnaissance optique de caractères Parce que la reconnaissance optique des caractères est une méthode de reconnaissance de caractères, vous souhaitez extraire du texte des images C'est ce que nous avons déjà vu dans le domaine de la vision par ordinateur. Mais dans ce domaine précis, lorsqu'il s'agit de la capacité OCR de la vision par ordinateur, elle ne peut lire que le texte Ici, vous pouvez voir qu'il peut également lire les différents types de données structurées ou non structurées Par exemple, il s'agit de ce modèle en particulier. s'agit de votre modèle de reçu, qui peut indiquer qu'il s' agit du nom du commerçant à la date de transaction la plus élevée au moment de la transaction Il est également capable de voir tous ces champs. Il est capable d'analyser cela. Il s'agit d'un nom de commerçant. Il s'agit d'une date de transaction. Ce sont différents modèles qui existent. Si vous recevez une question lors d'un examen, cette intelligence documentaire et la vision par ordinateur fournissent également une capacité OCA. Vous voulez utiliser, disons que vous voulez extraire le texte des factures. Un service que vous utiliserez. Nous le savons. Là, spécifiquement pour les reçus, les factures ou les cartes de visite, nous pouvons utiliser ce service de renseignement documentaire pour extraire les données de ces documents. Maintenant, laissez-moi vous emmener le portail de réalité augmentée afin que je puisse créer une ressource pour le service de renseignement documentaire puis je vais vous montrer une petite démonstration, laquelle je téléchargerai une image de facture Laissez-moi d'abord vous emmener au portail. C'est bon. Je suis dans le portail. Je recherche des informations documentaires. s'agit d' un service récent, Il s'agit d' un service récent, mais si ce n'est pas le cas pour vous, vous pouvez écrire Document Intelligence et en haut, vous trouverez ce service, Document Intelligence. Créons maintenant tout d'abord ce service. La création est assez similaire à celle des autres ressources, vous devez fournir votre abonnement, votre groupe de ressources , vos régions, etc. C'est tout à fait pareil. Supposons que je donne le nom de mon groupe de ressources à celui-ci et que je réponde que c'est pour l'intelligence documentaire , l' IA, quelque chose comme ça Disons que j'opte pour le niveau gratuit cette fois et que je clique sur simplement vérifier et créer. Attendons-le. Je clique donc sur cette section de création ici. Une fois cette opération terminée, une fois qu'une ressource est terminée ou que le déploiement de la ressource est terminé, nous essaierons de télécharger un exemple d'image afin d'en extraire certains détails. Attendons que cette ressource soit provisionnée. C'est bon. La ressource est terminée. Je clique donc sur aller à la section des ressources ici. C'est bon. Je vais donc passer à ce document Intelligence Studio. Vous devez vous rendre dans ce studio d' intelligence documentaire pour utiliser les différents modèles tels que votre facture, votre modèle de reçu, etc. Attendons-le. C'est bon. Je suis donc dans le Document Intelligence Studio. Tu peux le voir. Ce que vous pouvez faire, c'est lire des documents de journal. Les modèles préfabriqués sont les factures, en particulier pour les factures, les documents relatifs aux cartes d'assurance maladie, vous pouvez le voir ici. Il y a différentes choses là. Imaginons que je veuille essayer ce modèle de reçu. Je clique donc sur ce modèle de reçu ici. Je vais donc sélectionner mon abonnement et mon groupe de ressources ici, où se trouvent exactement les services de renseignement documentaire. Je vais sélectionner la même chose. La ressource que j'ai créée dans mon abonnement est la bonne, et nous allons cliquer sur Continuer avec cette ressource. Attendons-le. Maintenant, il vous donne également une sorte d' exemple de document, où vous pouvez le voir. Voici le reçu. Merci de votre commande, et si vous souhaitez analyser quelque chose, vous pouvez essentiellement fournir cet élément en particulier, et vous pouvez le tester s'il s' agit d'un fichier fonctionnel ou non. Mais si vous avez vos propres fichiers, si vous y avez votre propre reçu que vous souhaitez analyser, vous pouvez cliquer sur le lien du fichier du navigateur où vous pouvez également fournir votre propre fichier, n'est-ce pas ? Supposons donc que je veuille donner un fichier simple où j'ai un fichier. J'ai un reçu. Je veux essentiellement vous montrer ce reçu. Voici l'exemple de reçu que je vais utiliser pour ce service de renseignement documentaire. Comme vous pouvez le voir ici. Voici l'adresse indiquée, qui correspond exactement aux commandes d' une pomme ou d'une orange. Il s'agit du total du texte indiqué ici. C'est là que nous allons utiliser cette image pour en extraire du texte. Permettez-moi de télécharger cette image particulière dans mon studio de renseignement documentaire. C'est bon. J'ai donc téléchargé mon image, et vous devez également voir cette partie où vous sélectionnez, vous devez également voir cette partie où vous sélectionnez car vous créez essentiellement un modèle de reçu ici. Ce modèle doit donc être sélectionné comme reçu. Une fois cela fait, vous pouvez effectuer une analyse à ce sujet. Attendons cette analyse sur ce document en particulier. C'est bon. Les résultats sont disponibles ici. Comme vous pouvez le voir ici, il est écrit 123, cette rue principale est organisée comme une adresse de commerçant, et vous pouvez voir que 123 est essentiellement un numéro de maison. Voici la route, voici la rue principale et le nom du commerçant. Vous pouvez le voir ici, North Wind Raders et identifier le numéro de téléphone de Trutal et tout Hein ? Il s'agit donc d'un service important où vous avez vos propres reçus et où vous souhaitez utiliser cette information documentaire, vous voulez en extraire du texte. Vous pouvez facilement le faire à l'aide de cette intelligence documentaire. Mais que se passerait-il si vous avez vos propres factures, existe-t-il dans différents formats ? Supposons que ce service de renseignement documentaire en particulier ne soit pas en mesure de le choisir. Vous pouvez également entraîner vos modèles personnalisés à l' intelligence documentaire. Où vous pouvez télécharger un échantillon de votre reçu. Vous pouvez le fournir, il s' agit du nom du vendeur. Vous souhaitez donner une structure différente à ces données en particulier. C'est également possible. Ici, il s'agit d'un service intégré dans lequel vous téléchargerez simplement vos images et vous pourrez extraire les informations importantes à l'avance. Plus précisément, il s'agit encore une fois de la reconnaissance du correcteur optique uniquement par OCR , mais ici, l'important, c' est que vous pouvez extraire Il existe des modèles intégrés, notamment des reçus, des factures, des cartes des factures, des cartes de visite, des formulaires de texte américains, etc. J'espère que cette partie est claire, les gars. Merci à tous. 15. Qu'est-ce que l'IA générative: Bonjour, tout le monde. Aujourd'hui, nous allons donc parler de l' IA native. Parlons-en. L'IA native est donc une catégorie de capacités au sein de la solution d'IA qui crée une réponse semblable à celle d'un humain ou qui crée un contenu original. Il peut créer le contenu dans divers formats tels que votre langage naturel. Il peut générer des images. Je peux aussi faire une génération de code. Par exemple, génération de langage naturel, décrivez qui crée le contenu original. Par exemple, dans l'application dont vous avez sûrement entendu parler de copilot ou de CA GPT, où vous indiquez ce que vous recherchez , vous fournissez Disons, pouvez-vous rédiger une description de poste pour un responsable ou un associé du développement des nuisibles ? Vous en tirez la réponse, et c' est assez similaire au contenu original ou à la réponse humaine. C'est là que l'UE peut utiliser cette fonctionnalité appelée IA active. Maintenant, le second est la génération d'images. Par exemple, certaines applications basées sur l'IA génératrice d'applications peuvent prendre une réponse, une demande humaine et générer une image appropriée. Par exemple, vous pouvez accéder à cette barre oblique créée par bing.com, où vous direz que je veux cette image en particulier basée sur ce texte en particulier Vous fournissez le texte et vous obtiendrez une image basée sur votre texte. Vous pouvez voir qu'il s'agit d'un arc-en-ciel ou d'une cascade, et cela générera une image pour vous. Il peut également faire ce que l'on appelle une génération de code, laquelle vous concevez ou aidez vos développeurs de logiciels à écrire des codes. Par exemple, je peux donner les instructions comme bon me semble, écrire le code Python pour multiplier deux nombres, et cela générera un code python pour moi. C'est là que nous pouvons également créer un langage naturel, donner des images et générer du code Maintenant, comment fonctionnent ces applications génératives d' IA ? Ou qu'y a-t-il exactement dans les coulisses ? Dans les coulisses, ces applications génératives basées sur l'IA sont donc ces applications génératives basées sur l'IA alimentées par de grands modèles linguistiques. Ne vous inquiétez pas, vous n'avez pas besoin de vous y attarder en profondeur. question relative au LLM ne vous sera posée lors de l'examen, mais il est bon de connaître les grands modèles linguistiques Maintenant, les grands modèles de langage suivent essentiellement cette architecture de modèle de transformateur. Maintenant, il y a trois étapes dans cette architecture. L'un d'eux est la canisation. Supposons que vous ayez la déclaration telle qu'elle est ici. J'ai entendu un chien se garer bruyamment sur un chat. Ainsi, chaque mot se verra attribuer une valeur de texte unique ou un numéro de texte. Comme vous pouvez le voir, moi, le jeton entendu est deux, A est trois. Maintenant, A se répète deux fois ici, mais on lui donne un seul chien symbolique de cinq. Ainsi, chaque mot, chaque signe n'est rien d'autre qu'un mot ou une partie de quoi. Et la technique qui consiste à décomposer votre texte en jeton s'appelle une tokenisation C'est la première étape de vos grands modèles linguistiques. Maintenant, c'est quoi ça ? Maintenant, ce ne sont que des chiffres. Comment créer une relation entre ces chiffres ? C'est là que nous avons une deuxième méthode appelée incorporation. C'est là que se trouve maintenant cette intégration particulière, comme vous pouvez le voir, ce skateboard, nous avons des valeurs multi-tableaux ici. Nous créons donc une relation entre ces jetons après cette première étape tokenisation appelée C'est là que nous créons une relation entre les jetons. Maintenant, la troisième étape consiste à saisir la force de la relation entre les jetons et l'attention, attribuant plus de poids à la tête et au chien. Et imaginez que j'ai entendu un chien s'appeler Victor. C'est ainsi que ces applications d'IA générative sont basées sur de grands modèles linguistiques, le LLM Maintenant, qu'est-ce qu'une IA ouverte alors ? Maintenant, pour utiliser votre application basée sur l'IA générative, vous devez utiliser un service appelé ASR Open AI, alors que votre OpenI est solution basée sur Microsoft Cloud pour déployer ces grands modèles linguistiques C'est là que nous les utiliserons en tant que services OpenA. Nous parlerons donc davantage du service OpenA. Comprenons-le. Ainsi, dans le service ASR OpenA, il existe déjà des modèles pré-entraînés Vous n'avez pas besoin d' écrire ces modèles de LLM. Il existe déjà des modèles entraînés. Par exemple, vous pouvez utiliser quatre modules GPT pour la génération de votre langage naturel Si vous souhaitez créer une application telle que CA GPT ou copilot, vous pouvez utiliser le modèle CPT, permet également de générer et de comprendre le langage naturel et le code Ainsi, pour la génération de code ou pour la génération de langage naturel, vous pouvez utiliser le modèle GPT four Modèle d'intégration que vous pouvez utiliser si vous souhaitez convertir votre texte en forme vectorielle numérique Vous pouvez utiliser un modèle appelé Dal qui permet de récupérer les images à partir du langage naturel. Ces modèles LLA sont donc déjà présents dans votre service Open AA. est très important du point de vue de l' examen C'est très important du point de vue de l' examen et de l'utilité de tous les modèles que vous utiliserez, disons pour la génération du langage naturel. Vous pouvez utiliser le GPT. On peut se demander quel modèle vous utiliserez si vous souhaitez générer les images à partir du langage naturel, vous pouvez utiliser un modèle Dally Nous allons donc utiliser ce service Open AA. D'accord. Nous en parlerons donc plus en détail en tant que service Open AA lors de la prochaine conférence. J'espère donc que cette partie est claire. Merci à tous. 16. Azure Open IA: Payez un. Nous allons donc en savoir plus sur le fait de devenir votre service Open A dès maintenant. Maintenant, le service Pen A n'est pas disponible pour tous les clients. Vous devez demander l'accès à votre service Open AA. Maintenant, comment faisons-nous ? Vous pouvez maintenant utiliser ce formulaire pour demander l'accès à ce service AR Open EA, ou vous pouvez accéder à cette URL, et il y aura un formulaire Microsoft. Maintenant, ce n'est pas comme si vous deviez demander l'accès et qu'on vous l'accorderait. Non. C'est d' abord pour les entreprises. Ce n'est pas seulement pour des raisons pratiques, vous demandez l'accès et vous serez accordé. C'est pour les entreprises qui créent des applications basées sur l'IA générative, et elles verront. Et ce, si votre entreprise est éligible à cet accès au service Open EA ou non. Maintenant, pourquoi cet accès est limité, simplement à cause de certains des principes responsables de l'IE. Certaines personnes peuvent également utiliser cette application de manière nuisible, et une grande puissance de calcul utilisée dans le pground pour ce service Open AA Tout le monde n'aura donc pas accès à ce service OpenA. Vous devez d' abord remplir le formulaire. Et après un certain temps, vous serez informé si vous avez accès à ce service Open AA ou non. C'est donc uniquement pour les entreprises. Ce n'est pas comme si vous pouviez donner à votre adresse e-mail une adresse e-mail personnelle et l'accès vous sera accordé, non. Maintenant, laissez-moi vous présenter ce formulaire ainsi que son apparence exacte. Maintenant, j'appuie simplement sur R dans le navigateur, et c'est la page qui a été ouverte, demande l'accès au service SR OpenA Comme vous pouvez le voir ici, vous devez fournir votre prénom, votre nom de famille, nombre d'abonnements que vous avez, votre identifiant, nom de votre entreprise, votre adresse e-mail et tout ce que vous devez fournir ici. Donc, tous les détails que vous devez fournir. Ensuite, vous serez informé si vous avez accès à ce service Open EA ou non. En raison du principe d' intelligence artificielle responsable et de la puissance de calcul utilisés dans le pack, tout le monde n' a pas accès à ce service Open EA, n'est-ce Mais nous avons un accès pédagogique à ce service Open AI en particulier, où je voudrais vous montrer une petite démonstration expliquant comment utiliser le modèle GPT ou le modèle D, quoi ressemble exactement ce studio Open AI Je voudrais donc vous montrer dans la prochaine conférence comment exactement nous pouvons créer le service Open AA, et ce qu'il y a exactement dans le studio Open AI. Merci à tous. J' espère que cette partie est claire. 17. Démo Azure Open IA: Bonjour, tout le monde. Aujourd'hui, nous allons donc faire une démonstration d'Azure Open EA. Donc, comme je vous l'ai dit, Open EA something n'est pas disponible pour tous les clients. Vous devez demander l'accès à ce service, et il est réservé aux entreprises qui créent l'application de base Native AI. J'ai donc accès à ce service Open EA parce que nous avons obtenu l'accès aux instructions uniquement pour présenter une démo afin que vous puissiez voir à quoi ressemble le studio Open AA Permettez-moi donc de vous emmener sur le portail SSR et de vous montrer exactement ce que nous pouvons faire dans le cadre de ce service Open AA C'est bon. Je suis donc sur le portail SCR, et je vais chercher un service, disons, appelé Open AI Je souhaite créer un service Open A. Et attendons-le. C'est bon. Le service postal arrive donc sous le nom d'Open EI. Je vais cliquer sur ZO Open. C'est bon. Je vais donc cliquer sur créer une section ici. Je souhaite créer ce service Open A. C'est bon. Je vais donc sélectionner un groupe de ressources ici. Je vais sélectionner, disons, liste Open AI huit ou deux. Je vais sélectionner le niveau de tarification fonction du nombre d'appels pouvant être effectués, standard D zéro. Les choses sont tout à fait les mêmes lorsque nous créons les autres services d'IA. Je vais utiliser les paramètres par défaut. Je clique sur vi plus create, et nous allons maintenant créer ce service Open AA. Il suffit de l'attendre. C'est bon. Je vais donc cliquer sur Créer maintenant et attendre que le déploiement soit terminé. C'est bon. La ressource a été déployée. Je vais cliquer sur Accéder à la ressource ici. Je peux aller dans ce studio Open AI. C'est bon. Maintenant fonctionne le service Open A ? N'oubliez pas que cela n'est disponible que dans la région de Stine. L'est est l'une des régions où j'ai été déployé. Donc, si vous pouvez le créer dans différentes régions, vous n'aurez peut-être pas accès à ce service Open A car il n'est disponible que pour les régions tachées. Supposons donc que je veuille créer des modèles dans ce studio Open E en particulier. Je souhaite créer des applications génératives basées sur l'IA. Je clique donc sur Open A Studio. Passons à cet Open A Sudio. C'est bon. Voici donc à quoi ressemble le studio Open AI. Vous avez donc le modèle Te, comme vous pouvez le voir sur le côté gauche, qui générera les images en fonction de votre texte. Vous avez également le terrain de jeu de discussion ici, où vous pouvez avoir une fonctionnalité similaire au chat. Vous disposez d'une fonctionnalité de complétion que vous pouvez tester. Il y a donc beaucoup de choses que vous pouvez faire. Disons que je souhaite créer une fonctionnalité de chat ici. Disons que je souhaite créer un modèle GPT lequel je peux discuter avec une application particulière C'est assez similaire à une application basée sur un copilote que j'essaie de créer Je vais donc cliquer sur ce terrain de discussion ici, tout d'abord. C'est bon. Avant de pouvoir utiliser le Chart Playground, vous devez créer un déploiement. Je vais donc cliquer sur ce bouton pour créer un déploiement. Je vais sélectionner le modèle. Je vous ai donc dit qu'il existe déjà modèles d' IA générative pré-entraînés. Supposons que je veuille utiliser ce GPT quatre, vous savez que le GPT 40 est un modèle le plus récent que vous pouvez Supposons que j'opte pour ce modèle où il est écrit GPT 35 à 16 K. Et je dis que nom de mon déploiement est, disons, je veux créer une application basée sur le chat Je dirais donc application basée sur le chat 01, c'est le nom de mon déploiement. Et faites défiler la page vers le bas, et créons-le. Attendons maintenant que ce déploiement soit tout d' abord terminé. Et nous avons utilisé le modèle GPT ici. Les modèles pré-entraînés sont donc là. Maintenant, vous pouvez le voir ici. Cela m'a donné. D'accord. C'est ainsi que le test de démarrage du chat permet de tester votre assistant si vous lui donnez simplement une obtenez-vous la réponse ou non ? Maintenant, ce que je peux faire, c'est qu'il y a quelque chose d'important ici. tu peux dire. Message du système, très, très important. Et si vous cliquez sur l'infobulle, message système est que vous donnez au modèle les instructions sur la façon dont il doit se comporter Supposons qu'actuellement, en ce qui concerne les messages du système, vous êtes un assistant d'intelligence artificielle qui aide les gens à trouver des informations. C'est à cela que le message système est configuré, indiquant comment vous devez vous comporter lorsqu'un utilisateur interagit avec vous. Supposons que je veuille changer le fait que vous soyez un assistant d'IA qui aide les gens à découvrir les cours de SR, exemple, disons que c'est celui-ci, que vous devez vous comporter ainsi, et tout autre. Disons que j'écris d'autres informations, répondez par un emerge et dites que vous n'en avez aucune idée. C'est, je dis, mon système d'IA. C'est ainsi que tu dois te comporter. Il s'agit du message du système. Donc, si vous cliquez sur cette infobulle, vous trouverez des instructions Vous pouvez en savoir plus à ce sujet. Quels sont exactement les messages du système ? Une fois que c'est fait, vous pouvez cliquer sur ce bouton Appliquer les modifications ici au message de votre système. Je dis que vous mettez à jour le message de votre système. Oui, cliquez sur Continuer et attendez. Maintenant, une fois que c'est fait, vous pouvez vous déplacer vers le bas et avant de tester votre requête. Vous pouvez fournir votre requête ici, et vous obtiendrez essentiellement une réponse de votre assistant. C'est bon. Testez maintenant la fonctionnalité. Vous devez donc attendre un certain temps une fois que vous avez mis à jour le message système. Disons que j'ai attendu 5 minutes. Maintenant, après cela, je peux fournir quelques questions. Disons que je dis que toute information sur, disons, la politique, je la dis à mon assistant. Maintenant, mon assistant va me répondre. Je suis désolée, mais je n'ai aucune information politique. Disons donc que je dis ça. Quelles informations pouvez-vous fournir Maintenant, attendons-les. Vous voyez que cela signifie que je peux fournir des informations sur une grande variété de sujets liés à la RS, n'est-ce pas ? Parce que nous avions défini le message système selon lequel vous aidez les gens à découvrir les cours ZR. toute autre information, veuillez répondre par une réponse émergente et dire que vous n'en avez aucune idée, n'est-ce pas ? C'est là que vous pouvez utiliser le message du système qui ressemble à ce que devrait être l'IE. Il existe également différents modèles Supposons que vous souhaitiez utiliser le modèle Dal, où vous souhaitez générer l'image en fonction de votre texte, vous pouvez également utiliser ce modèle Dal. C'est là que vous pouvez utiliser les différents types de modèles génératifs, les modèles d'IA génératifs, en tant que service Open AI. J'espère que cette partie est claire. Merci à tous. 18. Aperçu des pratiques d'IA responsable pour les modèles Azure OpenAI: Tout le monde. Nous adopterons donc des pratiques d'IA responsables pour garantir un modèle d'IA ouvert. Chaque fois que vous développez certains modèles d'IA ouverte, devez respecter certaines des recommandations de Microsoft en matière de pratiques responsables en matière d'IA. Maintenant, commençons par comprendre. plupart d'entre eux sont vos modèles d'IA ouverte, qui ne sont également rien les modèles d'IA générative ont amélioré leur contenu, la synthèse et la recherche en cogénération Mais ces améliorations présentent certainement certains défis, tels que le contenu préjudiciable que les utilisateurs peuvent générer. Ils peuvent avoir de l'intimité. Ils peuvent également avoir la confidentialité des données, l'un des facteurs importants qui peut également être un défi. Comment atténuer ce type de risque Maintenant, nous avons déjà adhéré à certains des principes de l'IA responsable, lesquels nous avons parlé d'équité, de confidentialité et de sécurité, de fiabilité et de sûreté, etc. Mais conformément à ces normes Microsoft en matière d'intelligence artificielle responsable, il existe certaines recommandations, en particulier pour ces modèles d'IA ouverts, et ces recommandations sont organisées en quatre étapes. Le premier est l'identification. Cela signifie qu'il faut identifier les méfaits potentiels. Par exemple, vous pouvez identifier les dommages potentiels qui pourraient résulter de votre système d' IA grâce tests de résistance itératifs ou à une analyse. Par exemple, vous développez une application basée sur un tableau de cartes. Vous devez donc comprendre si votre application génère contenu offensant ou discriminatoire. Vous devez identifier ces préjudices potentiels. C'est la première étape. C'est ce qu'on appelle une phase d'identification. Générer donc du contenu qui encourage les comportements illégaux ou contraires à l'éthique. Vous devez identifier ce type de risque. C'est la première étape. Maintenant, le deuxième est la mesure. Mesurer signifie que vous devez mesurer la fréquence et la gravité de ces méfaits Vous pouvez également effectuer un test manuel ou un test automatique pour voir si si le contenu nuisible qu'il génère est grave ou non. Vous pouvez également effectuer une sorte de test pour vos données. Maintenant, atténuez. Atténuer signifie que vous devez supprimer ces dommages à plusieurs niveaux de votre solution Par exemple, dans R Open AI, vous pouvez également utiliser un filtre de contenu, lorsqu'il est appelé «   as » Il existe différentes catégories dans lesquelles vous pouvez filtrer le contenu en fonction de certains facteurs. Vous pouvez donc utiliser l'un des serveurs présents en tant que votre Open AI, appelé filtres de contenu. Maintenant, opérez. Les dernières étapes sont désormais opérationnelles, desquelles vous exécutez un déploiement et le plan de préparation opérationnelle. Par exemple, vous pouvez créer un plan de réponse aux incidents qui indique le temps qu'il faudra pour répondre à des incidents imprévus Vous pouvez également avoir un plan de restauration qui définit les étapes à suivre pour revenir à l'état précédent en cas d'incident quelconque C'est là que vous allez également développer ce plan d'exploitation. Maintenant, nous avons parlé des filtres de contenu dans Open A. Quels sont exactement ces filtres de contenu ? Des filtres de contenu sont désormais appliqués à l'invite ou à la fin pour empêcher la diffusion de tout langage nuisible ou offensant. C'est là que se trouve votre IA ouverte. Il est basé sur les quatre catégories. La première est que vous pouvez également le faire sur la base de la haine. Maintenant, vous pouvez également restreindre le contenu sexuel si vous ne souhaitez pas générer de contenu sexuel. Vous avez différentes catégories. L'une est la violence qui décrit, préconise ou glorifie la violence Vous pouvez également vous automutiler, ce langage qui décrit ou encourage l'automutilation. Vous pouvez créer la restriction en fonction de ces catégories. Désormais, des filtres sont toujours appliqués à ces catégories, et elles ont également un paramètre de gravité appelé « sûr » ou « faible », « moyen élevé » pour déterminer quel type de langage spécifique est intercepté et interdit par les filtres C'est dans ce cadre que vous pouvez utiliser les filtres de contenu en tant qu'IA ouverte. J'espère donc que cette partie est claire ce qui concerne les principes de l'IA responsable, en particulier en ce qui concerne le service Open AI. Merci à tous. 19. Qu'est-ce que l'apprentissage automatique: Bonjour, tout le monde. Aujourd'hui, nous allons parler de l'apprentissage automatique, des principes fondamentaux de l'apprentissage automatique. Essayons de comprendre ce qu'est exactement le machine learning. L'idée fondamentale de l'apprentissage automatique est donc d'utiliser les données des observations passées afin de pouvoir prédire quelque chose. Disons que si nous avons des données connexes, disons s'il pleuvra demain ou non, fonction de caractéristiques telles que la vitesse du vent , la température, etc. C'est là que nous prédisons quelque chose sur la base des observations passées, n'est-ce pas ? Cela signifie que l'apprentissage automatique est entièrement basé sur les mathématiques et commence. Prenons l'exemple, supposons qu'il y ait un salon de crème glacée ou qu'il y ait une histoire Ils peuvent utiliser l' historique des ventes et les données météorologiques pour prévoir quantité de crème glacée qu'ils vendront un jour donné ou en fonction des prévisions météorologiques. C'est là que nous prédisons quelque chose. Maintenant, il s'agit en fait d'un processus d'apprentissage automatique où vous pouvez voir que différentes valeurs sont présentes, également appelées caractéristiques, et nous voulons prédire ce que l'on appelle Y. Des choses très, très importantes vue de l'examen également, les fonctionnalités, ce que l' on appelle exactement les caractéristiques Les caractéristiques sont les attributs observés, comme les choses qui ont été observées. Cela signifie que nous voulons entraîner les données, c'est-à-dire les données qui ont été prédites. C'est ce qu'on appelle une fonctionnalité. Dans cet exemple, vous pouvez voir que x1x à x trois, ce sont les fonctionnalités Cela signifie les attributs observés. De même, c'est l'étiquette que nous voulons prédire. C'est ce qu'on appelle ici. C'est y. Comprenons-le maintenant avec un exemple. Même chose dont nous avons discuté en ce qui concerne le scénario de vente de crème glacée. Notre objectif était de former un modèle afin de pouvoir prévoir les ventes de glaces. Les mesures météorologiques du jour, par exemple la température, les précipitations, la vitesse du vent , etc., seraient les caractéristiques. Cela signifie qu'il s'agit essentiellement des attributs que nous avons configurés et que nous avons observés. C'est ce que l'on appelle les fonctionnalités. Combien de glaces seront vendues par jour, ce serait une étiquette indiquant ce que nous voulons prévoir, nous voulons prédire. Combien de glaces pourrons-nous vendre ? C'est essentiellement votre étiquette, cela s'appelle ceci I. Une caractéristique très importante est que vous pouvez dire qu' une entrée et qu'une étiquette est ce que l' on appelle une sortie que nous voulons prédire. Il s'agit d'une question d'examen importante. Ils peuvent vous fournir un tableau où ils peuvent vous demander quelles sont exactement les fonctionnalités et quelles sont exactement les étiquettes. C'est peut-être l'une des questions auxquelles vous pouvez vous attendre lors de l'examen. J'espère que cette partie est claire en ce qui concerne l'apprentissage automatique. Merci à tous. 20. Types d'apprentissage automatique: Tout le monde. Aujourd'hui, nous allons donc parler des types d'apprentissage automatique. Comprenons ce schéma en particulier. L'apprentissage automatique est donc principalement de deux types. L'un est votre apprentissage automatique supervisé et l'autre est votre apprentissage automatique non supervisé Ainsi, dans le cadre de votre apprentissage automatique supervisé, vous avez la régression et la classification, et dans le cadre de votre apprentissage automatique non supervisé, nous avons ce que l'on appelle le clustering, qui est également très, très important du point de vue des examens Voyons d'abord ce qu'est la régression. Maintenant, en ce qui concerne la régression, nous avons déjà discuté de ce que l' on appelle des fonctionnalités. Cela signifie que les attributs sont définis et nous voulons prédire ce que l'on appelle étiquette, c' est-à-dire le modèle de régression, lequel, par exemple, vous voulez voir le nombre de glaces vendues un jour donné fonction de la température, des précipitations et de la vitesse du vent. Cette température, ces précipitations et cet espace venteux ne sont rien d'autre que des caractéristiques, et le nombre de glaces vendues un jour donné est ce que nous voulons prévoir. C'est ce qu'on appelle une régression. Maintenant, quelle est cette classification ? En matière de classification, il existe deux types de classification. L'un est binaire. Le binaire est très simple. Cela vous donne simplement une vraie prédiction négative faussement positive pour une seule classe. Par exemple, un patient sera atteint de diabète en fonction de différents facteurs. Par exemple, cela se produira par oui ou par non, si vous avez du vrai ou du faux. Par exemple, il va pleuvoir aujourd'hui, oui ou non. C'est ce qu'on appelle le modèle de classification ici. Maintenant, que signifie ce regroupement ? regroupement signifie que vous regroupez Le regroupement signifie que vous regroupez des fleurs similaires en fonction de leur taille Supposons, par exemple, que vous regroupez cet article similaire Par exemple , vous regroupez ces fleurs similaires en fonction de leur taille, du nombre de feuilles et du nombre de pétales. C'est ce que l' on appelle le clustering. Cela signifie que nous regroupons les articles similaires. Et c'est très important du point de vue de l'examen, car vous serez jugé sur ce qu'est exactement la régression, classification et le clustering J'espère donc que cette partie est claire, les gars. Merci à tous. 21. Question sur les caractéristiques(variables) et l'étiquette (1): Hillary, un. Discutez d'une question sur cette partie de l'apprentissage automatique où nous avons eu une discussion sur cette étiquette et ses fonctionnalités. Désormais, les caractéristiques sont également appelées skis variables, les variables d'entrée, n'est-ce pas ? Maintenant, comprenons cette question. Cela signifie que vous avez pour modèle d'apprentissage automatique qui prédit la qualité du produit Cela signifie que nous voulons prédire le. Nous voulons prédire essentiellement la qualité. Il s'agit donc de l'ensemble de données qui est fourni ici, et nous devons analyser ce qui est une caractéristique et ce qui est en fait une étiquette ici. Donc, nous savons que la fonctionnalité n'est rien d'autre que l'entrée ou les variables, et l'étiquette est ce que nous voulons prédire. La masse est donc une caractéristique. Oui, c'est une fonctionnalité parce que nous avons fourni cet ensemble de données ici, et la qualité, c'est dire que le test de qualité est un label, non. C'est ce que nous voulons prévoir. Dans cette question, vous pouvez voir que vous voulez prédire la qualité du produit. Cela signifie que c'est une étiquette. Il est également juste ici. Tu peux le voir. C'est oui. Le premier est également « oui ». La masse est une caractéristique car il s'agit d'une variable d'entrée. La qualité est ce que nous voulons prévoir. Oui, et la température est une étiquette. Non La température n'est pas une étiquette, car nous ne voulons pas la prévoir. Il s'agit essentiellement d'une fonctionnalité. Il s'agit d'une variable d'entrée. la température n'est pas Ici, la température n'est pas une étiquette, c'est une caractéristique. La réponse serait oui, oui. J'espère donc que cette partie est claire, les gars. Merci à tous.