AI-900: fundamentos da IA do Azure

1. Visão geral do curso: Olá, pessoal. Então, bem-vindo a esta visão geral do exame AR AI Fundamentals, que também é chamado de AI 900 Portanto, este é um exame de certificação da Microsoft , baseado nos serviços de AR AI. Assim, você também pode fazer o exame de certificação após este curso. Agora, o que exatamente existe neste curso? Então este é um exame fundamental de IA? Portanto, conceito relacionado ao desenvolvimento de software ou serviços do Microsoft Azure para que você possa criar soluções baseadas em IA. Portanto, já existem serviços baseados em IA no Microsoft Azure. Você só precisa usar em seu aplicativo para poder criar os aplicativos baseados em IA. Agora, quais são exatamente os pré-requisitos do curso? Independentemente de sua formação, se você vem de uma área técnica ou não técnica que esse exame é adequado para você, e se quiser obter mais detalhes esse fundamento da IA, falaremos sobre exatamente o conteúdo do curso Mas não precisa de nenhum tipo de experiência. Não é necessária nenhuma experiência anterior em ciência de dados ou qualquer tipo de experiência em engenharia de software. Por quê? Porque esse não é um curso de cientistas de dados, certo? Você não precisa desenvolver os algoritmos completos do zero. Esses algoritmos já foram criados pela Microsoft e eles os criaram como seus serviços de IA. Você só precisa usá-los como seus serviços de IA. Foi aí que falamos que você não precisa ter um pacote de ciência de dados por perto. Agora, é bom saber um pouco sobre o uso de nuvem e SSR, mas se você não tem ideia sobre nuvem ou SR, pode conferir meu curso diferente também pode conferir meu curso diferente sobre computação em nuvem, onde eu literalmente falei apenas sobre o SCR, sobre o que exatamente é a nuvem, o que exatamente é o SCR Tudo bem. Objetivo do curso. Este curso é dividido em vários módulos: inteligência artificial, princípio fundamental de aprendizado de máquina e SSR, visão computacional, PNL e IA generativa Foi sobre isso que falamos neste curso. Agora, quem deve fazer esse curso? Qualquer pessoa interessada em seguir uma carreira na ZO EA pode fazer o curso Qualquer desenvolvedor ou cientista de dados existente se quiser usar os serviços da ZO EI, ou qualquer profissional de TI AA com o objetivo de incorporar os recursos de IA em seu aplicativo Eles podem apostar no placar. Portanto, depois de concluir este curso, você poderá fazer o exame de certificação da Microsoft, onde poderá obter a certificação AI 900. Então, espero que essa parte esteja clara. Obrigado a todos. 2. Cargas de IA comuns: Y um. Bem-vindo a esta classe EI 900, ou seja, é sua tensão fundamental de EI Então, aqui, vamos primeiro entender o que exatamente é a inteligência artificial, ou também a chamamos de IA. A IA é apenas um software que imita as capacidades do comportamento humano Então, em palavras mais simples, podemos dizer que desenvolvemos sistemas de computador capazes de realizar tarefas que exigem inteligência humana Qualquer que seja a tarefa que um humano possa fazer, essa tarefa também pode ser facilmente executada por essa inteligência artificial, certo? Então, na verdade, é um software que imita as capacidades do comportamento humano Agora, vamos aumentar algumas das cargas de trabalho do EI. Portanto, existem diferentes cargas de trabalho de EI , como aprendizado de máquina, visão computacional e inteligência documental de PNL Falaremos sobre todas essas cargas de trabalho. Vamos falar sobre cada carga de trabalho agora. O que exatamente esse processamento de linguagem natural. Então, nessa carga de trabalho de IA específica, treinamos modelos para que eles não entendam apenas o significado Eles também entendem o sentimento e a intenção. Isso significa análise sentimental que é feita dentro dessa PNL, certo Agora, vamos entender isso com um exemplo. Então, você definitivamente faz uma pesquisa no Google. Digamos que você esteja procurando por uma palavra-chave chamada lavagem de carros. Você escreve, acesse o Google e escreve algo chamado lavagem de carros. Então, definitivamente, quando você escreve lavagem de carros, isso fornece algum tipo de padrão como lavar carros nas proximidades, lavar carros na Índia ou lavar carros. Basicamente, ele oferece muitas outras coisas, certo? Então, basicamente, com a PNL, você pode ver que o preenchimento automático de pesquisa é um bom exemplo de PNL Portanto, ele prevê o que você pode estar procurando , para que você possa simplesmente clicar nele e se salvar A tarefa de digitar. Esse é o exemplo da PNL, certo? Além disso, há algo chamado presença nas redes sociais. Digamos que haja uma marca disponível no Instagram, no Facebook e em diferentes contas de mídia social , certo? Então eu te disse que isso também faz algo chamado de análise sentimental Então, a análise sentimental é, na verdade, um subconjunto dessa PNL. Então, digamos que existem algumas críticas positivas e algumas críticas negativas. E você quer concluir, tipo, você sabe, ele basicamente verá esses comentários e julgará se é um feedback positivo ou negativo, porque pode entender esses sentimentos e todas essas coisas, certo? Então, você também pode usar a ajuda desse modelo de processamento de linguagem de processamento natural e ter basicamente um relatório de seu feedback positivo, feedback negativo e todas essas coisas, certo? Portanto, ele também pode avaliar sua presença nas redes sociais. Agora, a inteligência documental também faz parte da carga de trabalho da IA. O que exatamente é feito? Você pode usar algo chamado de análise de documentos. Digamos que exista um cartão de visita digitalizado e você queira extrair os detalhes de contato dele Portanto, você pode usar algo chamado análise de documentos para extrair os detalhes de contato do cartão de visita digitalizado, certo? IA generativa. Isso é algo que fazemos todos os dias. Você pergunta ao Ch GPD, certo? Para escrever um código Python para fazer isso, escreva talvez um script power shield para fazer isso, certo? Então isso é um AVA generativo, certo? O que exatamente é feito neste AA nativo. Basicamente, ele produz vários tipos de conteúdo, incluindo seu texto, ele também pode produzir áudio, vídeo e imagens , certo? Então, um exemplo dessa IA generativa é geração do seu código Python , código baseado na descrição fornecida Então, qualquer descrição que você forneça, ela cria um código Python, certo E também pode gerar uma imagem com base na descrição. Essa é a sua IA generativa. Agora, uma é a visão computacional. Então, assim como na PNL, eu lhe disse, há um subconjunto chamado de análise sentimental Da mesma forma, na visão computacional, existe algo chamado de classificação de imagens, que na verdade é uma técnica de visão computacional somente em que você treina um modelo para prever uma classe para uma imagem com base em seu conteúdo. Vamos entender. Digamos que treinamos um modelo aqui. Temos imagens diferentes, então treinamos o modelo para que ele possa prever exatamente onde o carro está, certo? Então, onde você pode usá-lo. Então, digamos que você sabe, você quer verificar os danos, quanto dano é causado a um veículo a partir de uma fotografia que pode ser feita facilmente com a ajuda dessa técnica de visão computacional. Essa é a próxima carga de trabalho de IA que está aí. O último é algo chamado mineração de conhecimento, certo? Assim, ele pode entender e explorar profundamente uma grande quantidade de informações para melhorar seus dados, e você pode descobrir os padrões de relação ocultos entre seus dados Então, se você tem uma grande quantidade de dados e quer descobrir padrões de relacionamento ocultos para seus dados, a arte é onde você pode treinar o modelo para mineração de conhecimento Essas foram as diferentes cargas de trabalho de IA que foram discutidas Espero que essa parte esteja clara, pessoal. Obrigado a todos. 3. Identificar princípios orientadores para a IA responsável: Pessoal, hoje discutiremos sobre o princípio da IA responsável, ou existem alguns princípios orientados sempre que você desenvolve qualquer aplicativo baseado em IA. Portanto, existem principalmente seis princípios orientados na Microsoft Então, o primeiro é justiça. Justiça significa que você deve tratar todas as pessoas de forma justa. Vamos entender isso com um exemplo. Digamos que você esteja desenvolvendo um pedido de aprovação de empréstimo. Então, definitivamente, o pedido de empréstimo que você desenvolverá não deve ser baseado em nenhum tipo de preconceito sobre qualquer entidade de gênero ou qualquer outro fator que dê alguma vantagem a um grupo específico de candidatos, Portanto, você deve tratar todas as pessoas de forma justa. Esse é exatamente o significado dessa justiça, certo? Agora, talvez se você estiver desenvolvendo, digamos, um aplicativo básico de RH, para que o sistema HRAI examine todos os candidatos a emprego sem considerar sua idade, sexo ou qualquer outra habilidade física Esse deve ser o objetivo desse princípio guiado pela justiça Agora, o próximo é confiabilidade e segurança. Portanto, qualquer solução de IA que você desenvolva deve ser confiável e segura. Isso significa que, digamos, você está basicamente criando um aplicativo para nosso departamento de saúde. Então, essa aplicação específica, a aplicação baseada em IA, talvez também possa resultar em risco para a vida humana, certo? Portanto, se houver alguma falta de confiabilidade em seu software baseado em IA, isso pode resultar em risco à vida humana Portanto, você deve desenvolver esses sistemas EI que sejam confiáveis e seguros de usar, certo? Talvez, digamos que, se você estiver dirigindo desenvolva uma solução de táxi sem motorista Portanto, você deve fazer testes de regressão e implantação de seu sistema EI para que ele possa ser seguro para a vida humana, certo? Agora, privacidade e segurança, privacidade e segurança significam os sistemas de EI devem estar seguros e respeitar a privacidade. Definitivamente, quando há uma grande quantidade de dados , eles podem conter seu ID de e-mail, podem conter seu endereço de dados pessoais. Então isso deve ser mantido em sigilo, certo? Portanto, sempre que você move esses modelos em produção, privacidade deve ser preocupada. privacidade e também a segurança também precisam ser consideradas. Está bem? Inclusividade. Inclusividade significa que você deve sempre incluir todas as pessoas Digamos que você esteja basicamente criando um aplicativo para talvez usuários com deficiência visual também. Portanto, você deve incluir todos os usuários, certo, independentemente de sua capacidade física, seu sexo, sua orientação sexual, etnia Portanto, isso deve beneficiar todas as partes da sua sociedade. Esse deve ser o objetivo da inclusão, certo? Transparência significa que o sistema de AA deve ser compreensível. Isso significa que, uh, ele sabe. Digamos que você esteja desenvolvendo um aplicativo baseado em IA. Portanto, o usuário deve entender como ele funcionará, quais dados usará, quais são todas as limitações do seu sistema de IA, quais recursos do sistema existem. Portanto, deve ser transparente para seus usuários, certo? Essa é a sua transparência. A última parte é responsabilidade. Responsabilidade significa usuários que estarão se desenvolvendo. Quais são os desenvolvedores que desenvolverão o sistema EI. Eles precisam, você sabe, atender aos padrões da organização, aos padrões legais, à política da organização, certo? Portanto, os desenvolvedores que desenvolverão o sistema EI precisam aplicar a política da organização para atender claramente aos padrões legais ou a quaisquer padrões éticos. Então esse é o significado de responsabilidade. Então, esses são seis princípios orientados quando se trata de sua EI. Sempre que você desenvolve um sistema de IA, basicamente, esses são seis princípios orientados. Também é chamado de EI responsável. Então, espero que essa parte esteja clara. Obrigado a todos. 4. Fundamentos da visão informática: Todo mundo. Então, hoje vamos falar sobre os fundamentos da visão computacional Mas antes de tudo, vamos entender o que exatamente é uma tecnologia de visão computacional. Vamos entender. Portanto, a visão computacional é um campo da inteligência artificial somente em que ensinamos computadores e sistemas a obter informações significativas de imagens digitais, vídeos e assim por diante. Por exemplo, vamos entender. Digamos que você queira que haja uma imagem e, nessa imagem, haja algum texto escrito nessa imagem e você queira extrair esse texto dessa imagem. Você pode fazer isso com recursos de visão computacional. Da mesma forma, digamos que você queira que haja uma imagem e detecte que tipo de objetos existem. Digamos que objetos nessa imagem, há uma bolsa, há um texto, há, objetos diferentes estão lá Então você pode fazer algo chamado de detecção de objetos. Então, esses são os diferentes recursos que você pode usar dentro dessa visão computacional. Portanto, visão computacional não é um termo do Azure, é um termo de inteligência artificial. Mas como podemos usá-la como sua plataforma, essa visão computacional? É sobre isso que falaremos. Existem dois serviços chamados de serviço de visão e serviço facial que você pode criar. Como sua visão de IA, dentro dela está sua visão de EI, você pode fazer análise de imagem, análise de imagem, assim como você pode marcar uma imagem, como você pode marcar essa imagem Você pode gerar a legenda, pois a imagem é sobre uma coisa Você pode gerar as legendas sobre essa imagem. O OCR, reconhecimento óptico de caracteres muito, muito importante, extrai o texto das imagens E se você quiser usar os recursos avançados de detecção de fase, poderá usar esse serviço de fase Embora no próprio serviço de visão, você possa fazer a detecção facial, mas com os recursos básicos. Mas se você quiser fazer a detecção de fase avançada como imagens de desfoque ou qualquer coisa , você pode usar esse serviço facial Agora, vamos entender mais sobre isso na documentação da Microsoft sobre serviços de visão computacional que discutimos. Quais serviços serão criados no SR? Podemos criar o serviço de visão de IA do Azure aqui ou você pode criar um serviço de fase. Deixe-me levá-lo para a documentação da Microsoft, em primeiro lugar. Tudo bem. Você pode ver isso aqui, tarefa de classificação de imagens que você pode realizar dentro de sua visão A A, serviço de visão. Por exemplo, nesta imagem, você pode ver que há textos aqui. Há ônibus lá ou ciclistas ou qualquer coisa está lá. Você pode obter essas informações usando a classificação de imagens. Basicamente, ele classificará as imagens com base no veículo que contém ou em qualquer outra coisa e na detecção de objetos Eu posso fazer uma detecção de objetos. Agora, uma diferença muito importante entre uma classificação de imagem e a detecção de objetos é ela também informa a localização dessa que ela também informa a localização dessa classe específica, digamos. Aqui, você pode ver que ele detectou um ônibus. Ele detectou um carro, detectou um ciclista e também fornece uma espécie de caixa delimitadora, bem como onde está exatamente a localização das diferentes classes de veículos Ele fornece uma caixa delimitadora, mas na classificação de imagens, não fornece nenhum tipo de caixa delimitadora Pergunta muito importante também do ponto de vista do exame. Você recebe a caixa delimitadora na classificação de imagens? Não. Pegamos a caixa delimitadora. A caixa delimitadora nada mais é do que essas coordenadas retangulares. Você obtém a caixa delimitadora na própria detecção de objetos. Você pode ver isso. Mais uma coisa é, digamos, um OCR. Isso é reconhecimento óptico de caracteres. Como você pode ver, nesta imagem, temos alguns textos escritos. Se você quiser extrair o texto das imagens, poderá usar algo chamado óptico de aracor. Isso é o que você pode fazer. Parte muito, muito importante, certo? Então, criaremos, mostrarei como você pode fazer isso na próxima palestra, mostrarei como você pode usar, em primeiro lugar, um serviço de visão como seu serviço de visão de IA para que possamos fazer a análise de imagens, o reconhecimento óptico de caracteres e outros recursos, como detecção de objetos Obrigado a todos. Espero que essa parte esteja clara. Obrigada. 5. Serviço de IA Vision do Azure: Olá a todos. Hoje, faremos uma demonstração sobre a visão da IA. Criaremos um serviço de visão AR AI no Azure para que possamos fazer análises de imagens. Também podemos fazer um OCR, reconhecimento óptico de Carter e outras coisas, além de recursos de detecção de objetos Vou acessar meu portal do Azure para mostrar como criar o serviço e como usá-lo. Deixe-me levá-lo para o Portal Z. Tudo bem Então, eu estou neste seu portal. Vou procurar um serviço chamado Vision nesta seção de recursos de pesquisa. Vou dizer visão, e você pode ver que muitos serviços estão por vir. E quando se trata de serviço de visão, você encontrará esse nome com visão computacional aqui. momento, eles estão usando apenas esse serviço de visão computacional, mas isso não passa de uma visão AA. Vamos clicar neste serviço de visão computacional aqui. É isso que queremos criar e clicaremos na seção Criar aqui. Forneceremos os detalhes básicos como em sua assinatura, seu grupo de recursos e seu nome, digamos, é visão ou, eu diria, um serviço de teste de visão, serviço teste de visão 01. Os preços diminuem conforme quantas ligações podem ser feitas para esse serviço de visão. Digamos que eu use o S 1 padrão e o aviso de IA responsável. Você precisa seguir os princípios de IA responsável. Eu digo que reconheço todos os termos acima. Eu clico em Avançar, conectar isso pode ser feito em todas as redes , digamos, vou usar a configuração padrão e clicar em revisar e criar. Vamos criar esse serviço primeiro. Tudo bem Vamos clicar nele e, quando estiver pronto, iremos em direção ao Vision Studio. Vamos esperar que isso seja concluído. Tudo bem Isso está feito. Vou clicar em ir para o recurso, digamos que agora. Espere por isso. Tudo bem Agora você pode ver isso aqui. Se quiser experimentar todos os recursos de visão computacional e também criar seus próprios modelos personalizados, você pode usar algo chamado Vision Studio. deixe-me ir a este estúdio Vision Antes de tudo, deixe-me ir a este estúdio Vision. Vamos esperar por isso. Tudo bem Você pode ver isso aqui. Você pode fazer muitas coisas aqui quando se trata de um estúdio de visão. Você pode fazer uma análise de imagem. Dentro da análise da imagem, você pode ver isso. Você deseja adicionar algumas legendas densas às imagens ou deseja adicionar legendas às E uma das características importantes aqui se você quiser detectar objetos e imagens, é onde falamos sobre a detecção de objetos, pois ela fornecerá uma caixa delimitadora e também permitirá que você classifique onde exatamente esse objeto específico está na Ele também fornece basicamente uma pontuação de confiança, variando de 0 a 1, basicamente como a IA está confiante de que esse objeto específico é apenas isso Também lhe dá uma pontuação de confiança. Isso é o que você obtém nessa detecção de objetos. Se você quiser explorar, o que você pode fazer, você pode clicar aqui para detectar objetos comuns no mag, digamos que aqui, você rolará para baixo. Você pode ver isso. Algumas das imagens estão lá, que você também pode usar. E se quiser usar suas próprias imagens personalizadas, você também pode procurar esse arquivo. Digamos que eu use a imagem específica padrão aqui. Deixe-me usar essa imagem. Digamos que eu queira criar um recurso seletor, então selecionarei minha assinatura e selecionarei o recurso que criei, o serviço de teste de visão 01 E deixe-me confirmar isso. Use esse serviço específico e detecte esses objetos específicos nesta imagem. Vamos esperar por isso. Eu também preciso fazer uma parte reconhecida aqui. É digamos. Eu digo isso, sim, eu reconheço isso. Esse serviço específico terá as taxas. Preciso dizer: Ok. Ok. Então, eu o criei recentemente. Está dizendo acesso hoje à noite. Espere um pouco e você poderá configurá-lo. Então, espere um pouco e detectaremos os objetos mais uma vez. Tudo bem Então, depois de esperar por quase 5 minutos, consegui ver isso. Você pode ver que ele detectou o objeto, como você pode ver, está dizendo que me deu uma caixa delimitadora onde diz aquele trem do metrô Está lhe dando uma pontuação de probabilidade. Dá cerca de 0-1, um significa 100%, então você pode ver isso aqui Está dando na forma percentual em que diz 79,50%. Ele também detectou algo chamado de pessoa, o que lhe dá uma probabilidade de 77% E você também tem algo chamado como pessoa aqui, que fornece a pontuação de probabilidade dessa porcentagem Você pode usar essas coisas diferentes nesta análise de imagem, onde também pode usar suas próprias imagens e fazer upload de suas imagens e ver a detecção do objeto. Lembre-se sempre de que, na detecção de objetos, ela fornece três coisas principalmente. Particularmente, a imagem tem tudo a ver com. Aqui, você pode ver que nesta imagem, ele detectou a pessoa. Isso significa que ele classificará sua imagem. Também lhe dará uma pontuação de probabilidade, ou também fornecerá mais uma coisa, que é uma caixa delimitadora, muito importante aqui Também podemos experimentar outros recursos neste estúdio de visão em particular, se eu quiser ir ao estúdio de visão. Se eu for até o rosto, porque vimos que , quando se trata de face, já temos um serviço diferente chamado de serviço facial. Agora, neste serviço facial, você pode realizar uma tarefa simples, como detectar o rosto em imagens e todas essas coisas Mas se você quiser fazer uma detecção facial avançada , como imagens desfocadas ou qualquer coisa , criará um recurso diferente chamado serviço facial Espero que essa parte esteja clara, pessoal. Obrigado a todos. 6. API de visão: Olá, pessoal. Hoje, faremos a demonstração como sua API AA Vision. Agora, o que é um APAS? Se dois aplicativos quiserem conversar entre si, eles quiserem trocar os dados, então usamos algo chamado API. Podemos usar o Vision Studio, fazer upload de nossas imagens e tudo mais, onde podemos obter os recursos de análise de imagem e tudo mais. Isso é bom. Mas e se quisermos fazer isso programaticamente, digamos que eu tenha um aplicativo base powersal e queira enviar uma imagem por meio desse Em seguida, usaremos algo chamado API. Essa é a interface de programação de aplicativos. Agora, eu já tenho um aplicativo básico do PowerShell onde quero chamar essa API de visão Vou enviar uma imagem e quero extrair, digamos, eu quero gerar a legenda para essa imagem Digamos que eu queira fazer a descrição dessa imagem. Eu quero fazer a tarefa diferente que está disponível para essa imagem. Nesse caso, usarei APIs. Agora, deixe-me mostrar esse aplicativo, em primeiro lugar. Tudo bem. Este é o aplicativo pelo qual você deseja analisar a imagem Você precisa fornecer as chaves e o ponto final do recurso de visão que criamos no portal SR Mostrarei como extrair as chaves, as chaves autenticação e o endpoint Esse é o nome de domínio desse aplicativo específico, o serviço de visão. Enviaremos essa imagem específica que está no conteúdo do hub da Microsoft Você pode ver isso aqui. Eu vou te mostrar como essa imagem se parece? Queremos enviar essa imagem. E usando essa imagem, queremos chamar a API de visão. O APA é o nome do seu endpoint , visão de barra, análise V 3.2, e queremos saber o que queremos fazer com os recursos visuais, queremos detectar os objetos, queremos gerar as descrições e categorias também Isso é o que estamos chamando de APA. Essa é basicamente a API. Essa é a API de visão que estamos chamando. Dentro disso, estamos tentando fazer essas três coisas. É isso que estamos tentando fazer. tentando enviar esses cabeçalhos. É para lá que estamos enviando essas chaves de autenticação e tudo mais. E estamos convertendo os resultados para o formato JSON aqui É isso que estamos tentando fazer neste aplicativo. Isso significa que, programaticamente, chamando a visão de APA também, podemos enviar as imagens Se você estiver criando qualquer aplicativo, também poderá fazê-lo. Agora, deixe-me mostrar primeiro a imagem que mostrará, como exatamente a imagem é a aparência da imagem. Deixe-me mostrar a imagem. Tudo bem. Esta é a imagem que está sendo dada aqui. Esta é a imagem na qual trabalharemos a partir de nossa visão APA. Agora, para chamar a API de visão pela primeira vez , preciso das chaves e do endpoint do meu recurso de visão que criei no meu portal do Azure Deixe-me levá-lo ao Portal do Azure e extrair essas informações lá. Deixe-me levá-lo ao portal do Azure. Tudo bem. Estou no portal do Azure e procuro esse recurso que criei para testar a visão 01 porque preciso das chaves e do endpoint desse recurso de visão específico Vamos esperar por isso. Agora, no lado esquerdo, você pode ver isso na seção de gerenciamento de recursos, você pode ver essas chaves e endpoint aqui Então, eu precisaria das chaves e do endpoint para essa fonte específica Assim, você pode clicar em Mostrar chaves e ele mostrará as chaves de autenticação aqui, e você também precisará copiar o endpoint Então, deixe-me copiar essas chaves e o endpoint ali no meu aplicativo baseado em Powershell. Tudo bem. Eu copiei as chaves e a seção do ponto final aqui, como você pode ver Agora posso chamar esse serviço específico de visão da APA. Isso é tudo que está gravado aqui como o que eu quero enviar. Agora vou executar esse aplicativo específico. Estou dentro da minha pasta AI 900. Se eu quiser executar isso, direi o nome de um aplicativo, analisarei a imagem PS one e também enviarei essa imagem em particular. Esse é o arquivo P da câmera da loja. É isso que eu quero enviar. Então, deixe-me enviar essas informações também. Tudo bem. Portanto, essa imagem é armazenada na minha pasta de dados, pasta visão e, em seguida, nesse nome de imagem específico. Vamos executá-lo e apresentador. Então, está analisando a imagem. E você pode ver que ele gerou a tag , gerou os objetos também. Isso é o que ele fez. Deixe-me mostrar. Então, pedimos essa imagem, assim como exatamente as tags estão nesta imagem. Como você pode ver, há uma pessoa, há uma mulher, há uma loja, há uma loja, é isso que todos os objetos estão nessa imagem, e ele também detecta os objetos, como você pode ver, sala da pessoa do celular, esse é o objeto nesta imagem, e se você rolar para cima. Também, você sabe, gera algumas legendas sobre essa imagem, uma mulher mostrando seu telefone para uma criança Foi isso que gerou as legendas, certo? Então é assim que você pode usar os diferentes APAs que existem. Existem diferentes endpoints, onde você pode chamar o APA e, programaticamente, você pode chamar esse APA diferente para mostrar os resultados aqui e também nos aplicativos baseados em controle Uma coisa é o Vision Studio. A outra saída também são os APAs que podemos usar, e mais uma maneira está lá , chamada de kit de desenvolvimento de software. Isso significa as bibliotecas. Digamos que a mesma tarefa você queira fazer por meio de aplicativos baseados em Python Se houver certas bibliotecas lá, você pode usar essas bibliotecas e também acessar as informações. Você não precisa ligar para a APA a partir disso. Aplicativo baseado em Python, você também pode fazer isso por meio de kits de desenvolvimento de software Esse é o SDC. Essas são as bibliotecas. Espero que essa parte esteja clara. Obrigado a todos. 7. O que é o processamento de linguagem natural e o serviço de linguagem IA do Azure: Todo mundo. Então, falaremos sobre processamento de linguagem natural, que também é chamado de PNL Vamos entender o que exatamente é a PNL. Portanto, a PNL é novamente uma área da IA que lida com a compreensão das linguagens escritas e faladas Digamos que você queira dizer que existe um documento de texto e deseja detectar em qual idioma o documento está escrito Você também pode usar esse tipo de funcionalidade no Azure. Esse é o seu processamento de linguagem natural. Agora, existem serviços diferentes para diferentes casos de uso. Por exemplo, você pode criar um serviço de idiomas no as your, que pode fazer muitas coisas. Você pode fazer uma detecção de idioma, onde eu sento, onde você pode fornecer um documento de texto e ele analisará em qual idioma esses dados estão escritos. É aí que você também pode usar algo chamado extração de frases-chave em seu serviço de idiomas. Por exemplo, você está enviando um documento de texto e deseja extrair algumas das frases-chave ou os principais pontos desse documento específico Em seguida, você pode usar a extração de frases-chave. Você também pode fazer uma análise de sentimentos no documento. Digamos que você tenha uma presença nas mídias sociais. Você coletou muitas informações em um documento de texto e deseja analisar se os sentimentos são positivos, neutros ou negativos Você pode fazer isso com a ajuda do serviço de idiomas, onde deseja fazer uma análise de sentimentos. Também existe algo chamado de outras coisas diferentes , que está lá. Agora vamos falar sobre alguns dos recursos. Falamos sobre detecção de linguagem. Assim, você pode determinar o idioma no qual o texto é escrito com a ajuda desse serviço de idiomas. Agora, é assim que você pode fornecer um documento usando a API ou usar o SDG Os kits de desenvolvimento de software também. Você também pode fazer isso a partir de um aplicativo baseado em Python. Ou você também pode ir ao estúdio de idiomas. Existem diferentes opções pelas quais você pode enviar esses documentos para o seu serviço de idiomas. Agora, qual será a saída? É assim que a saída virá. Vamos saber em qual idioma basicamente o documento era o inglês. Você também receberá esse nome ISO para esse documento. Por exemplo, EN, que significa apenas seu inglês, e você também obterá a pontuação de confiança de quanta confiança a IA está prevendo que esse documento específico seja escrito em inglês ou não É aí que o valor seria 0-1. É assim que você pode basicamente fazer a dicção do idioma. Agora, você também tem um recurso chamado reconhecimento de entidade nomeada. Digamos que você queira testar algumas das diferentes categorias. Digamos, digamos, um documento que você está passando, onde diz Cho in to Ln no sábado. As entidades são agrupadas em categorias. Existem algumas categorias de esteiras quando se trata do reconhecimento desse nome de entidade Ele pode detectar uma pessoa, pode detectar um local, uma data e hora e outras coisas também. Atualmente, se você enviar este documento de texto, você usará esse serviço chamado de reconhecimento de entidade de nome. É assim que ele basicamente lhe dará a resposta. Ele detectará que existe uma entidade pessoal. Há entidades de localização lá. Há entidades diurnas lá. Então, basicamente, algumas entidades embutidas estão disponíveis dentro desse reconhecimento de entidade nomeada Então, na próxima demonstração, criarei um serviço de idiomas e mostrarei como você pode usar o estúdio de idiomas para diferentes recursos desse serviço de idiomas. Então, espero que essa parte esteja clara. Obrigado a todos. 8. Serviço de idioma de IA do Azure: Olá, pessoal. Então, faremos uma rápida demonstração do nosso serviço de idiomas. Então, no Portal do Azure, criaremos esse recurso de linguagem, em primeiro lugar. Então, deixe-me levá-lo ao Portal do Azure. Tudo bem. Então, eu estou no portal ACR agora. Vou dar uma olhada na opção de recursos de pesquisa aqui, o serviço de idiomas. Vou clicar nessa opção de pesquisa e dizer o idioma. Esse é o serviço chegando aqui. Então, seleciono esse serviço de idioma e clico em Criar, e você pode ver isso. Esse serviço de idiomas fornece esses muitos recursos. Você tem algo chamado Análise Sit TBT, extração de frases-chave, resposta pré-construída a perguntas Portanto, existem diferentes recursos disponíveis. Você também tem alguns recursos personalizados, que estão disponíveis aqui. Então, digamos que eu clique em continuar para criar os recursos aqui. Digamos que eu selecione o nome do meu grupo de recursos. O nome do recurso é, digamos, idioma. Idioma 01 por syn Vou selecionar um S A e dizer que já está sendo usado, usaremos alguns números aleatórios Eu direi que sigo esses princípios responsáveis e continuo com o próximo, e com as configurações padrão, vou com e tlicon, além Vamos esperar pela validação. Eu cliquei em, criei a opção de criação aqui e a implantação foi iniciada Vamos esperar que a implantação seja concluída. Tudo bem. Portanto, o recurso foi implantado. Vou clicar nesta seção de implantação aqui para poder acessar o recurso. Vamos esperar por essa seção de recursos aqui e ver. A implantação foi concluída. Vou acessar este recurso de serviços linguísticos. Vamos esperar por isso. Tudo bem. Sou o serviço de idiomas aqui. Então, se você quiser fazer isso programaticamente, você já tem as chaves e o endpoint aqui no lado esquerdo, sob esse gerenciamento de recursos, mas exploraremos o Então, se você rolar para baixo, encontrará algo chamado de Introdução ao Language Studio. Vamos clicar nele. Tudo bem. Então eu sou esse o portal deste estúdio de idiomas agora. Agora, o primeiro passo é fazer login aqui para poder ver todos os recursos que vêm com esse áudio de linguagem Então, vou entrar com minhas credenciais aqui. Em seguida, mostrarei como você pode usar os recursos disponíveis nesse estúdio de idiomas específico. Deixe-me primeiro entrar neste serviço de idiomas. Espere por isso. Tudo bem. Então, eu entrei com sucesso no meu estúdio de idiomas agora. Vou rolar para baixo até aqui. Você pode ver os diferentes recursos que você pode fazer com esse serviço de idiomas. Digamos que eu queira extrair informações ou digamos que você queira extrair as entidades nomeadas. Você quer extrair as frases-chave, ou digamos que você também queira detectar os idiomas. Então, se eu rolar para cima, e se eu for para essa opção de texto classificado, se você quiser detectar o idioma, você pode ver isso aqui ou na análise de sentimentos. Se quiser, você pode usar o recurso. Digamos que eu use esse recurso de detecção de linguagem aqui. Vamos esperar por isso. Assim, você pode fornecer qualquer tipo de texto aqui. Então, pode levar algum tempo. Talvez você não consiga obter os resultados depois de pagar o serviço imediatamente e esteja tentando testar esse serviço. Então, pode levar algum tempo, então tente enviar seu texto aqui. E depois de algum tempo, tente usar essa opção, clique nesta opção “Eu reconheço”, e só a partir daí. Você poderá ver que ele detectará o idioma em que seu texto está escrito. Então, isso é um monte de coisas que você pode fazer dentro deste estúdio de linguagem, onde falamos sobre alguns dos recursos analíticos de teste, como você pode fazer uma extração de frases-chave, você pode fazer detecções de linguagem e há outros recursos que você pode fazer dentro deste estúdio de linguagem Então, espero que essa parte esteja clara quando se trata desse serviço de idiomas. Obrigado a todos. 9. API Analytics de texto de demonstração: Olá a todos. Faremos uma demonstração rápida sobre esse CPA analítico de texto Já vimos que podemos usar o estúdio de linguagem se você quiser detectar qualquer idioma ou extração de frase-chave, o reconhecimento da entidade nomeada, esses recursos que também podemos usar dentro do estúdio de linguagem. Mas e se você quiser fazer isso programaticamente? Digamos que eu tenha um aplicativo baseado em PowerShell e queira chamá-lo de serviço de linguagem Quero enviar alguns documentos e preciso detectar em qual idioma o texto está basicamente escrito. Portanto, você pode usar algo chamado API de análise de texto de teste para essa finalidade. Agora, deixe-me levá-los ao código do Visual Studio onde eu já tenho um código, e quero que vocês examinem o código em que podem usar as diferentes partes da API de análise de texto que estão lá. Agora, deixe-me passar primeiro para o código visual do Audio . Tudo bem. Então esse é o link. Deixe-me mostrar, esses são os arquivos x aqui. Esse é o roteiro. Antes de tudo, você precisa fornecer seu endpoint chave, que é algo que está dentro seu recurso de serviço de idiomas Portanto, você precisa acessar o serviço de idiomas e copiar a chave como um endpoint O que estamos tentando fazer é ligar para o serviço de análise de texto para analisar a ingestão de sentimentos. Já temos um arquivo chamado review one dot txt, onde escrevemos algum tipo de resenha que está lá no próprio idioma inglês Agora, se eu rolar para baixo, o que estamos tentando fazer. Estamos enviando esse documento de texto específico, que é o documento que está na revisão com um ponto txt, e estamos tentando ligar para a APA Como você pode ver, em primeiro lugar, a barra de nome do endpoint, os idiomas APA text analytics V 3.1 Esse é o ano. Lembre-se de que, para fins de linguagem, isso permanecerá o mesmo. Assim como para detectar o idioma, qual é o caminho da UL em que você usará os idiomas Mas digamos que eu queira fazer uma análise de sentimentos. Se você descer, digamos a mesma coisa que estou fazendo com a mesma API em si. Até aqui, a API é a mesma. Análise de texto V 3.1. Mas esse caminho da UL é diferente porque, basicamente, quero encontrar as frases-chave, as principais, digamos, os pontos de discussão desses documentos específicos. É aí que posso usar essas frases-chave. Vou rolar para baixo, existem APIs diferentes. As partes do URL estão lá. Digamos que eu queira analisar esses sentimentos se são positivos, negativos ou neutros Eu posso usar a mesma estrutura de análise de teste 3.1 até aqui, é exatamente a mesma. Depois disso, esse caminho mudará. Agora vou enviar essa solicitação de API de sentimento aqui. Essa API, essas coisas são chamadas de caminhos de URL. Basicamente, você precisa alterar os caminhos do URL e poderá enviar sua solicitação. Espero que, quando se trata de serviços linguísticos, tenhamos conversado sobre as diferentes coisas que existem. Uma é que você pode usar o recurso de serviço de idiomas e o estúdio de idiomas. qual falamos, também podemos usar essa APA de análise de texto. Além disso, você pode usar algo chamado SDCse, que é o Python ou, a partir do aplicativo baseado em CHA, as já estão lá Nos bastidores, essas bibliotecas também estão usando apenas APAs. Mas eles são uma versão simples que você pode dizer. Essas bibliotecas que você precisa usar em seu aplicativo baseado em Python ou CHA, e você pode chamar esses recursos de serviço de linguagem e enviar seus documentos para fins de análise Então, espero que essa parte esteja clara, pessoal. Obrigado a todos. 10. Funcionalidade de resposta personalizada de perguntas de demonstração (serviço de idioma): Olá, pessoal. Então, hoje, quero fazer uma demonstração sobre o recurso de resposta a perguntas que está novamente disponível somente em seu serviço de idiomas Mas primeiro vamos entender o que exatamente é esse recurso de resposta a perguntas do seu serviço de idiomas Agora, você pode inserir suas perguntas e as respostas correspondentes, como você deve ter visto no FQ Se você mantém um site e ainda tem algum FCS lá É aí que você pode obter a ajuda desse recurso de resposta a perguntas do serviço de idiomas Você também pode fornecer sua própria pergunta e resposta ou extrair de um documento de FQ se já houver FQ lá e se você quiser extrair esses FQ, é isso que você pode fazer Você também pode utilizar algumas funcionalidades de pré-bate-papo para gerar as respostas. É como se você quisesse criar um bot de bate-papo. Você pode integrar isso, criar esse bot de bate-papo e integrá-lo a diferentes serviços, como instalá-lo em seus aplicativos da web. Isso é o que você pode fazer. Você pode criar uma espécie de recurso de resposta a perguntas que está disponível no serviço de idiomas Vou acessar este portal SR para mostrar a demonstração de como você pode fazer isso Deixe-me levá-lo ao portal ZR. Tudo bem. Estou no portal ZR e criaremos um serviço de idiomas. Vou procurar um serviço chamado as language e vou criá-lo. Vamos clicar na Opção D aqui. Agora, todos os recursos estão lá, você pode ver que os recursos padrão estão lá, mas se você quiser o recurso personalizado, que é, no nosso caso, queremos aquele recurso de resposta a perguntas desse serviço de idioma, precisamos selecionar esse Digamos que eu também use esse recurso de resposta a perguntas também use esse recurso de resposta a e clique em Continuar para criar o recurso Então, aqui, fornecerei todos os detalhes, como nome, região, grupo de recursos, preços claros e tudo mais, e clicarei em Criar. Tudo bem. Vamos entender. Eu criei esse serviço linguístico específico e vou me dirigir a esse estúdio de idiomas, que é exatamente o mesmo que estávamos fazendo anteriormente, e vou começar a usar o Language Studio. Vamos esperar por isso. Agora você também verá essa opção aqui, entenderá as perguntas e o idioma da conversa aqui e, se rolar para baixo, digamos que queira criar um projeto com base nessa resposta personalizada Deixe-me criar esse projeto antes de tudo. Digamos que o idioma em que vou usar em todos os meus projetos seja o inglês. Em seguida, e digamos que o nome do meu projeto seja, eu simplesmente digo que é para perguntas e respostas. Vou dizer isso como Q A, e F Q é algo assim A descrição é para fins de perguntas e respostas, desenvolvendo-a para o recurso padrão de perguntas e respostas aqui Se você também puder fornecer a resposta padrão quando nenhuma resposta for retornada, se quiser Digamos que eu não concorde com nada e clique em. Crie um projeto. Vamos esperar por isso. Agora, nosso projeto está concluído. Atualmente, você não tem sua base de conhecimento nem existem perguntas frequentes Mas se você tem um site, um arquivo ou um bate-papo, basicamente também pode fornecer seu FQ a partir daqui Mas digamos que eu queira dar meu próprio conjunto de perguntas e respostas. Vou clicar nesta seção da base de conhecimento aqui, no lado esquerdo, e fornecerei a lista de perguntas e respostas aqui Digamos que, se alguém conversar com meu chat, se alguém perguntar , digamos, o que são certificações relacionadas a S A. Quero a resposta seja dada como AI 900 ou AI um ou dois, digamos que é isso que eu quero dar Digamos que pronto. Digamos que essa seja a única pergunta. Você também pode adicionar mais algumas perguntas a essas perguntas baseadas em conhecimento. Quais são as certificações de engenheiro de dados e em que sua empresa se baseia basicamente, para que você possa fornecer um conjunto de perguntas e respostas. Depois de terminar, clique na opção Salvar É você que está tentando salvar as alterações. Depois de salvar, as alterações são salvas. O que vamos tentar fazer, vamos tentar testá-lo. Vamos esperar por isso. Você pode ver que as alterações foram salvas. Agora, se você quiser testá-lo, essas são as funcionalidades de teste aqui Você pode clicar nele e, digamos que eu simplesmente diga, quais são todas as suas certificações de IA Digamos que eu forneça essa saída simples, como você pode ver, ela está me dando, como AI 900 AI, uma ou duas. Mas por aqui, está tudo bem. Eu quero falar sobre mais uma coisa , chamada de follow props O que eu quero é que ele forneça o AI 900 como um link para que ele me redirecione para uma página de certificação diferente do AI 900 da Microsoft E se eu clicar nessa IA uma ou duas, ela me redirecionará para uma ou duas páginas da Microsoft de IA Então, isso é chamado de adereços de acompanhamento. Digamos que, atualmente aqui, em vez disso, eu edite esta resposta e diga que estas são as certificações e quero adicionar um baile de formatura complementar Vou explicar exatamente o que um próximo baile de formatura. Mas digamos que eu simplesmente diga isso, eu adiciono um próximo baile de formatura. Eu digo isso. Sempre que eu exibo a resposta, digo AI 900 e AI 900, basicamente fornecerei o link da Microsoft, então ele o levará para a página de documentação da Microsoft. Deixe-me copiar a página AI 900 da Microsoft. Vou copiar este link assim como a página AI 900. Digamos que eu adicione um prompt. Eu adiciono mais um prompt. E eu direi que desta vez o usuário será redirecionado para a IA um ou dois Certificação e aqui, copiarei um ou dois links da IA. Tudo bem. Vou copiar este aqui e adicionar um prompt. Agora, o próximo passo é salvá-lo. Você só precisa salvá-lo, caso contrário, não funcionará. Então eu clico em salvar. Vamos esperar por isso. Desta vez, adicionamos as instruções profissionais de acompanhamento , também chamadas de adereços de várias voltas , também chamadas de adereços de várias voltas Vamos esperar por isso. Tudo bem. Isso está feito. Agora, teste e faça a mesma pergunta todas as suas certificações de IA e apresentador e espere por Como você pode ver, desta vez, ele está me dando as respostas em uma forma de acompanhamento Em vez do texto. Agora, se eu clicar nesse botão específico, ele me redirecionará para a resposta que está por trás dessa IA nove d, como você pode ver aqui Está me levando até esta página do AI 900. E se eu clicar em AI one ou two, isso me levará para a documentação da Microsoft sobre IA one ou two. Isso também é chamado de prompts de acompanhamento. Agora, deixe-me explicar mais uma vez, os adereços de acompanhamento. Tudo bem. É isso que discutimos sobre as instruções de acompanhamento. Você pode adicionar instruções de acompanhamento para definir as trocas de vários tons Isso é o que discutimos, certo. Agora, esse recurso personalizado de resposta a perguntas sobre o qual falamos em linguagem, era anteriormente chamado de criador de perguntas e respostas, também chamado de criador de perguntas e respostas Portanto, se, no caso da certificação, você obtiver um criador de perguntas e respostas, isso que eles estão se referindo a essa resposta personalizada a perguntas Então, espero que essa parte esteja clara, pessoal. Obrigado a todos. 11. Compreensão da linguagem (serviço de idioma): Conte para todo mundo. Hoje, falaremos sobre outro recurso do serviço de idiomas, que é a compreensão conversacional da linguagem Agora, já falamos sobre uma pergunta e uma resposta personalizadas em que você obtém a resposta para a resposta estática, que é armazenada em sua base de conhecimento Mas e se você quiser a resposta com base na intenção do usuário? Em seguida, usaremos algo chamado recurso de compreensão de linguagem conversacional, no qual você pode incorporar os fóruns de bate-papo e outros aplicativos eIPAs. Agora vamos entender. Agora, quando se trata desse modelo de compreensão de linguagem ou do recurso, ele aceita a entrada de linguagem natural de um usuário. Agora, existem três componentes quando se trata desse recurso específico. Agora, quais são exatamente os recursos. Por exemplo, as características são intenção e a entidade do seu enunciado, Há três componentes nesse modelo de compreensão de linguagem que você precisa entender. Enunciado, enunciado significa, conforme o que o usuário dirá. Digamos que você esteja criando uma solução de automação residencial. Digamos que um usuário diga, acenda a luz. Essa é a expressão do usuário. Como o usuário dirá. Agora, a segunda parte, é sobre isso que falamos, o primeiro componente é a expressão, como o usuário pode dizer Pode haver variações diferentes. O usuário também pode dizer, ligue o dispositivo, ligue o dispositivo. Existem diferentes enunciados. Agora, essa declaração está bem. Mas o que você quer dizer intenção como o que um usuário deseja alcançar Esse é o objetivo. Essa é a intenção. Agora, neste enunciado, acenda a luz, a intenção do usuário é ligar o dispositivo Essa é a intenção do usuário. Isso significa que o objetivo da declaração do usuário, essa é a Mas agora pode haver muitos dispositivos, pode haver um ventilador, pode haver luz. Mas aqui, não está claro se um usuário quer acender a luz ou vamos ligar o dispositivo? Digamos que o usuário diga que acenda a luz. Mas aqui, a intenção é ligar o dispositivo. Essas são as intenções embutidas que existem. Agora, você tem uma entidade que adiciona contexto à intenção. Digamos que o usuário diga que acenderá a luz. A entidade foi criada, mas especificamente a luz que ele está dizendo que você precisa acender Foi aí que falamos sobre entidade. Então, funciona em três componentes diferentes, seu enunciado, sua entidade, e esse é o que é sua intenção Essa é a linguagem da conversação, o modelo de compreensão. Espero que essa parte esteja clara, pessoal. Obrigado a todos. 12. Resposta a perguntas vs compreensão da linguagem: Olá, pessoal. Hoje, quero mostrar a diferença entre o recurso de resposta a perguntas que discutimos e o recurso de compreensão do idioma Agora, esses dois recursos estão disponíveis no serviço de idiomas. Vamos entender. Agora, no recurso de resposta a perguntas, você obtém uma resposta estática para uma pergunta conhecida Você tem uma base de conhecimento que desenvolveu e há questões que você deve ter armazenadas. Mas quando se trata de compreensão da linguagem, sua resposta indica a intenção mais provável e a entidade de referência Por exemplo, um usuário diz ligar o dispositivo ou acender a luz. A intenção é ligar o dispositivo e as entidades podem ser leves É aí que a resposta indica mais provavelmente a intenção e as entidades de referência Agora, ao responder perguntas, ele usa novamente o entendimento da linguagem natural para combinar a pergunta com uma resposta na base de conhecimento Mas quando se trata de compreensão da linguagem, ela também usa a linguagem motelly, a PNL, para interpretar o enunciado como o que o usuário está tentando dizer, o objetivo e o contexto, e adiciona o contexto a essa intenção específica, que é chamada de compreensão a PNL, para interpretar o enunciado como o que o usuário está tentando dizer, o objetivo e o contexto, e adiciona o contexto a essa intenção específica, que é contexto a essa intenção específica, que ela também usa a linguagem motelly, a PNL, para interpretar o enunciado como o que o usuário está tentando dizer, o objetivo e o contexto, e adiciona o contexto a essa intenção específica, que é chamada de compreensão da linguagem. Então, espero que a diferença entre esses dois recursos seja clara. Obrigado a todos. 13. Serviço de fala: Todo mundo. Hoje, falaremos sobre serviço rápido. Essa é outra característica ou você pode dizer que a carga de trabalho da PNL Na PNL, você pode usar três serviços diferentes no Azure. Falamos sobre o serviço linguístico. Também conversamos sobre o serviço de velocidade, falamos sobre o serviço de tradução Faremos um rápido entendimento sobre esse serviço de velocidade e o que exatamente você pode fazer neste discurso. Portanto, ele pode realizar muitas tarefas, mas as duas tarefas importantes que um serviço de fala pode realizar são o reconhecimento de fala. Isso significa que você pode converter sua fala em texto. Se você tiver um arquivo de áudio e quiser convertê-lo em um formato de texto. Isso é o que você pode fazer. Digamos que você tenha tido uma reunião e queira ver os principais pontos dessa reunião, converta o arquivo de áudio da reunião em um formato de texto Isso é chamado de reconhecimento de fala. Também podemos fazer algo chamado síntese de fala, que nada mais é do que conversão de texto em fala. Se você quiser gerar a fala audível a partir do texto , pode fazer algo chamado síntese de fala Agora, quando se trata de serviço de fala, há uma coisa importante que você pode fazer para otimizar o ajuste fino do seu arquivo de áudio. Digamos que você tenha convertido um texto em fala. Mas o arquivo de áudio que você está tendo, você quer ajustá-lo. Talvez você queira uma versão feminina para esse arquivo de áudio, ou talvez queira mudar o tom desse arquivo de áudio. Agora, essas coisas, se você quiser fazer, basicamente, o ajuste fino de sua saída de texto em fala, você pode usar uma linguagem chamada SSML Você pode usar essa linguagem baseada em SSML, que é uma linguagem baseada em eXAML para ajustar sua saída de texto em fala, da mesma forma que você deseja aumentar o Você quer mudar a pronúncia. Você quer aumentar o volume do seu discurso. Isso é o que você pode fazer. É assim que a sintaxe do SSML Esse é um idioma baseado em exames. Digamos que eu diga que quero a saída, o arquivo em um adulto mais velho do sexo masculino. Isso é o que eu posso mudar nos diferentes atributos. Há um atributo chamado função que eu posso usar. No SSML, existem atributos diferentes. Eu também posso mudar o tom do meu discurso. Eu quero isso de uma forma muito calma. Eu posso usar um atributo chamado estilo. Se você quiser ajustar sua saída de texto em fala , pode usar algo chamado linguagem de marcação de síntese de fala Esta é uma linguagem baseada em EXIML. Espero que essa parte esteja clara, pessoal. Obrigado a todos. 14. Inteligência Document: Olá, pessoal. Hoje, falarei sobre esse serviço chamado de inteligência de documentos, que também é chamado inteligência de documentos de IA. Vamos entender isso. Como sua inteligência de documentos de IA, a inteligência é automatizar a extração de dados Por exemplo, você tem a imagem de um recibo, fatura ou cartão de visita Você deseja extrair texto dele. Isso significa que você deseja extrair os textos desse documento específico, como recibo, fatura, cartão de visita Então, podemos usar o serviço chamado de inteligência de documentos. Agora, isso é bem parecido com o OCA que estudamos dentro do serviço de visão computacional, o reconhecimento óptico de caracteres Como o reconhecimento óptico de caracteres você deseja extrair texto das imagens Isso é o que já vimos na visão computacional. Mas nesse aspecto específico, quando se trata da capacidade de OCR da visão computacional, ele só consegue ler o texto Aqui você pode ver que ele também pode ler os diferentes tipos de dados estruturados ou não estruturados Por exemplo, é esse modelo específico. Esse é o seu modelo de recibo, ele é capaz de verificar se esse é o nome do comerciante na data principal da transação e hora da transação Ele também é capaz de ver todos esses campos. É capaz de analisar isso. Esse é o nome de um comerciante. Esta é uma data de transação. Esses são modelos diferentes. Se você receber uma pergunta em um exame, essa inteligência documental e a visão computacional também fornecem a capacidade de OCA. Você deseja usar, digamos que você queira extrair o texto das faturas Um serviço que você usará. Nós sabemos disso. Especificamente para recibo, fatura ou cartão de visita, podemos usar esse serviço de inteligência documental para extrair os dados desses documentos Agora, deixe-me levá-lo ao portal AR para que eu possa criar um recurso para o serviço de inteligência de documentos e, em seguida, mostrarei uma pequena demonstração, qual farei o upload de uma imagem da fatura Deixe-me levá-lo ao portal primeiro. Tudo bem. Estou no Portal. Eu procuro inteligência documental. Este é um serviço recente que está chegando, mas se não estiver funcionando para você, você pode escrever inteligência documental e, no topo, você encontrará esse serviço, inteligência documental. Agora, vamos criar esse serviço antes de tudo. A criação é semelhante à dos outros recursos Você precisa fornecer sua assinatura, seu grupo de recursos, suas regiões e todas essas coisas. É exatamente a mesma coisa. Digamos que eu forneça o nome deste meu grupo de recursos e diga que isso é para inteligência de documentos, IA, algo assim Digamos que eu escolha o nível gratuito desta vez e clique em simplesmente revisar e criar. Vamos esperar por isso. Então eu clico nesta seção de criação aqui. Depois que isso for concluído, depois que um recurso estiver concluído ou a implantação do recurso for concluída, o que faremos é tentar carregar uma imagem de amostra para que possamos extrair alguns detalhes dela. Vamos esperar que esse recurso seja provisionado. Tudo bem. O recurso está pronto. Então eu clico em ir para a seção de recursos aqui. Tudo bem. Então, vou para este documento Intelligence Studio. Você precisa acessar este estúdio de inteligência de documentos para usar os diferentes modelos, como seu modelo de fatura, recibo e todas essas coisas Vamos esperar por isso. Tudo bem. Então, eu estou no Document Intelligence Studio. Você pode ver isso. O que você pode fazer é ler documentos do diário. Os modelos pré-construídos são as faturas, especificamente para faturas, documentos eletrônicos, cartões de seguro saúde, você pode ver isso aqui. Coisas diferentes estão lá. Digamos que eu queira experimentar esse modelo de recibo. Então eu clico neste modelo de recibo aqui. Então, selecionarei minha assinatura e meu grupo de recursos aqui para saber exatamente onde estão os serviços de inteligência de documentos. Vou selecionar a mesma coisa. O recurso que eu criei na minha assinatura é o único, e vamos clicar em Continuar com este recurso. Vamos esperar por isso. Agora, ele também fornece algum tipo de documento de amostra, onde você pode ver isso. Esse é o recibo. Obrigado pelo pedido e, se você quiser analisar alguma coisa, você pode basicamente fornecer essa coisa específica e testar se é um arquivo funcionando ou não Mas se você tem seus próprios arquivos lá, se você tem seu próprio recibo que deseja analisar, você pode clicar no link do arquivo do navegador e onde você também pode fornecer seu próprio arquivo, certo? Então, digamos que eu queira fornecer um arquivo simples onde eu tenho um arquivo. Eu tenho um recibo. Eu quero te mostrar esse recibo basicamente. Este é o exemplo de recibo que vou usar para este serviço de inteligência de documentos. Como você pode ver isso aqui. Este é o endereço que está sendo fornecido, quais são exatamente os pedidos, como uma maçã, uma laranja. Este é o total total de texto que está sendo fornecido aqui. É aí que usaremos essa imagem para extrair algum texto dela. Deixe-me enviar essa imagem em particular para o meu estúdio de inteligência de documentos. Tudo bem. Então, eu fiz o upload da minha imagem, e também, você precisa ver esta parte onde você seleciona porque você está basicamente fazendo um modelo de recibo aqui. Portanto, esse modelo deve ser selecionado como recibo. Feito isso, você pode fazer uma análise de execução sobre isso. Vamos aguardar essa análise neste documento específico. Tudo bem. Os resultados estão aqui. Como você pode ver aqui, está dizendo 123, esta rua principal, organizada como um endereço comercial, e você pode ver que 123 é basicamente o número de uma casa Esta é a estrada, e esta é a rua principal, e o nome do comerciante Você pode ver isso aqui, North Wind Readers e identificar o número de telefone abaixo de Trutal e tudo mais Certo? Portanto, este é um serviço importante onde você tem seus próprios recibos e deseja fazer uso dessa inteligência documental, deseja extrair algum texto dela Você pode fazer isso facilmente com a ajuda dessa inteligência de documentos. Mas e se, digamos que você tenha suas próprias faturas, existem em formatos diferentes Digamos que essa inteligência de documentos em particular não seja capaz de escolher isso. Você também pode treinar seus modelos personalizados em inteligência de documentos. Onde você pode fazer o upload de uma amostra do seu recibo. Você pode fornecer isso, esse é o nome do comerciante. Você deseja fornecer uma estrutura diferente para esses dados específicos. Isso também é possível. aqui, este é um serviço integrado em que você simplesmente faz o upload de suas imagens e pode extrair o que é importante . Especificamente, esse é novamente o reconhecimento do único corretor óptico de OCR , mas aqui, a parte importante é que você pode extrair Existem alguns modelos integrados: recibos, faturas, cartões de visita, formulários de texto dos EUA e todas essas coisas Espero que essa parte esteja clara, pessoal. Obrigado a todos. 15. O que é IA generativa: Olá, pessoal. Então, hoje, falaremos sobre IA nativa. Vamos falar sobre isso. Então, a IA nativa é uma categoria de recursos dentro da solução de IA que cria uma resposta semelhante à humana ou cria um conteúdo original. Ele pode criar o conteúdo em vários formatos, como sua linguagem natural. Ele pode gerar imagens. Eu também posso fazer uma geração de código. Por exemplo, geração de linguagem natural, descreva o que cria o conteúdo original. Por exemplo, o aplicativo que você deve ter ouvido falar sobre o copilot ou o CA GPT, onde você fornece o que está procurando, fornece as instruções Digamos que você possa escrever uma descrição do cargo para executivo ou associado de desenvolvimento de pragas? Você obtém a resposta, que é bastante semelhante ao conteúdo original ou à resposta humana. É aí que a UE pode usar esses recursos chamados de IA incentivada Agora, a segunda é a gnação de imagens. Por exemplo, alguns aplicativos baseados em IA generativos de aplicativos podem receber uma resposta, uma solicitação humana e gerar uma imagem apropriada Por exemplo, você pode acessar esta barra de criação do bing.com, onde dirá que quero essa imagem específica com base nesse texto específico Você fornece o texto e obterá uma imagem com base no seu texto. Você pode ver um arco-íris ou uma cachoeira, e isso gerará uma imagem para Ele também pode fazer algo chamado geração de código, que você projeta ou ajuda seus desenvolvedores de software a escrever códigos. Por exemplo, posso dar as instruções como quiser, escrever o código Python para multiplicar dois números e ele gerará um código python É aí que também podemos fazer a gnação da linguagem natural, doação de imagens e geração de código Agora, como esses aplicativos generativos de IA funcionam? Ou o que exatamente existe nos bastidores? Então, nos bastidores, esses aplicativos generativos baseados em IA são alimentados por grandes modelos de linguagem Não se preocupe, você não precisa se aprofundar nisso. Você não receberá nenhuma pergunta no exame relacionada ao LLM, mas é bom conhecer grandes modelos de linguagem Agora, modelos de linguagem grande seguem basicamente essa arquitetura de modelo de transformador Agora, há três etapas nessa arquitetura. Uma é a canização Digamos que você tenha a declaração como aqui. Eu ouvi um cachorro estacionar em voz alta em um gato. Assim, cada palavra em particular receberá um valor de texto exclusivo ou um número de texto. Como você pode ver, I um, o símbolo ouvido é dois, A é três. Agora, A está se repetindo duas vezes aqui, mas está recebendo um único símbolo de cinco Então, cada palavra, símbolo, nada mais é do que uma palavra ou parte do quê. E a técnica de decompor seu texto em token é chamada Essa é a primeira etapa em seus grandes modelos de linguagem. Agora, o que é isso? Agora, esses são apenas números. Como criamos uma relação entre esses números? É aí que temos um segundo método chamado de incorporação. É aí que agora essa incorporação específica, como você pode ver, aquele skate, temos valores de várias matrizes, está aqui Então, criamos um relacionamento entre esses tokens após essa primeira etapa que é a tokenização, chamada É aí que criamos uma relação entre tokens. Agora, a terceira etapa é capturar a força da relação entre os símbolos e a atenção, como atribuir mais peso ao ouvido e ao cachorro. E represento que ouvi um cachorro como Victor. Então é assim que esses aplicativos generativos de IA são baseados em grandes modelos de linguagem, LLM Agora, o que é uma IA aberta então? Agora, para usar seu aplicativo generativo baseado em IA, você precisa usar um serviço chamado ASR Open AI, enquanto seu OpenI é uma solução baseada em nuvem da Microsoft para implantar esses É aí que vamos usar isso como serviços OpenA. Então, falaremos mais sobre o serviço OpenA. Vamos entender. Portanto, no serviço ASR OpenA, já existem modelos pré-treinados Você não precisa escrever esses modelos LLM. Já existem modelos treinados. Por exemplo, você pode usar quatro módulos GPT para sua geração de linguagem natural Se você quiser criar um aplicativo como o CA GPT ou o copilot, você pode usar o modelo CPT, onde ele também pode gerar e entender a linguagem natural e o código Portanto, para geração de código ou geração de linguagem natural, você pode usar o modelo GPT four Modelo de incorporação que você pode usar se quiser converter seu texto em formato vetorial numérico Você pode usar um modelo chamado Dal, onde ele pode separar as imagens da linguagem natural. Portanto, esses modelos de LLA já estão presentes em seu serviço Open AA Muito importante do ponto de vista do exame, bem como para a finalidade de todos os modelos que você usará, digamos, para a geração de linguagem natural. Você pode usar o GPT. Há uma dúvida: qual modelo você usará se quiser gerar as imagens a partir da linguagem natural, você pode usar um modelo Dally Então, usaremos esse serviço Open AA. OK. Então, falaremos mais sobre como seu serviço Open AA na próxima palestra. Então, espero que essa parte esteja clara. Obrigado a todos. 16. IA aberta do Azure: Pague um. Então, vamos explorar mais sobre como seu serviço Open A agora. Agora, o serviço Pen A não é algo disponível para todos os clientes. Você precisa solicitar acesso ao serviço Open AA. Agora, como fazemos isso? Agora você pode usar este formulário para solicitar acesso a este serviço AR Open EA, ou você pode acessar esta URL e haverá um formulário da Microsoft. Agora, não é como se você solicitasse o acesso e recebesse o acesso. Não. É para empresas, em primeiro lugar. Não é apenas para fins práticos, você solicita o acesso e você receberá. É para empresas que estão criando o aplicativo generativo baseado em IA, e elas verão Isso se sua empresa estiver qualificada para esse acesso ao serviço Open EA ou não. Agora, por que esse acesso é limitado, apenas por causa de alguns dos princípios responsáveis da EI. Na verdade, existem pessoas que também podem usar esse aplicativo de forma prejudicial, e há muito poder computacional sendo usado no solo para esse serviço Open AA Portanto, nem todo mundo terá acesso a esse serviço OpenA. Você precisa primeiro preencher o formulário. E depois de algum tempo, você será notificado se você tem acesso a esse serviço Open AA ou não. Então, é só para empresas. Não é como se você pudesse fornecer ao seu endereço de e-mail um endereço de e-mail pessoal e o acesso será concedido, não. Agora, deixe-me levá-lo a este formulário e ver a aparência exata desse formulário. Agora, acabei de pressionar R no navegador, e esta é a página que foi aberta, solicito acesso ao serviço SR OpenA Como você pode ver aqui, você precisa fornecer seu nome, sobrenome, quantas assinaturas você tem, seu ID, nome da empresa, endereço de e-mail e tudo o que você precisa fornecer aqui Então, todos os detalhes que você precisa fornecer. Depois disso, você será notificado se você tem acesso a este serviço Open EA ou não. Só porque alguns dos princípios responsáveis da IA e do poder computacional estão sendo usados no pacote, nem todo mundo está tendo acesso a esse serviço do Open EA, certo Mas temos acesso instrucional a esse serviço específico de IA aberta, onde quero mostrar uma pequena demonstração de como você pode usar o modelo GPT ou o modelo D, como é exatamente a aparência desse estúdio de IA aberta Então, eu quero mostrar a vocês, na próxima palestra, como exatamente podemos criar o serviço Open AA e o que exatamente existe dentro do estúdio Open AI Obrigado a todos. Espero que essa parte esteja clara. 17. IA aberta do Azure de demonstração: Olá, pessoal. Então, hoje, faremos uma demonstração no Azure Open EA. Então, como eu disse, algo do Open EA não está disponível para todos os clientes. Você precisa solicitar acesso a esse serviço, e é apenas para as empresas que estão criando o aplicativo básico de IA nativa. Então, eu tenho acesso a esse serviço Open EA porque obtivemos o acesso às instruções apenas para mostrar uma demonstração que você possa ver a aparência do estúdio Open AA Então, deixe-me levá-lo ao portal SSR e mostrar exatamente o que podemos fazer dentro desse serviço Open AA Tudo bem. Então, estou no portal SCR e procurarei um serviço, digamos, chamado Open AI Quero criar um serviço Open A. E vamos esperar por isso. Tudo bem. Portanto, o serviço postal está chegando como Open EI. Vou clicar em ZO Open. Tudo bem. Então, vou clicar em criar uma seção aqui. Quero criar esse serviço Open A. Tudo bem. Então, vou selecionar um grupo de recursos aqui. Vou selecionar, digamos que uma API aberta liste algo como oito e dois. Selecionarei o nível de preços o número de chamadas que podem ser feitas, padrão D zero. As coisas são praticamente as mesmas quando criamos os outros serviços de IA. Eu vou com as configurações padrão. Eu clico em vi plus create, e agora vamos criar esse serviço Open AA. Apenas espere por isso. Tudo bem. Então, clicarei em Criar agora e aguardarei a conclusão da implantação. Tudo bem. O recurso foi implantado. Vou clicar em Go to Resource aqui. Eu posso ir para este Open AI Studio. Tudo bem. Agora o serviço Open A? Lembre-se de que está disponível apenas na região de Stine. Easts é uma das regiões onde eu trabalhei. Portanto, se você puder criar isso em diferentes regiões, talvez não tenha acesso a esse serviço Open A, pois ele está disponível apenas para regiões manchadas Então, digamos que eu queira criar alguns modelos dentro desse estúdio Open E em particular. Quero criar alguns aplicativos generativos baseados em IA. Então eu clico neste Open A Studio. Vamos ao Open A Studio. Tudo bem. Então é assim que o estúdio Open AI se parece. Então você tem o modelo Te, como você pode ver no lado esquerdo, que gerará as imagens com base no seu texto. Você também tem o playground de bate-papo aqui, onde você pode ter uma funcionalidade semelhante ao bate-papo. Você tem uma funcionalidade de conclusão que pode ser testada. Portanto, há muitas coisas que você pode fazer. Digamos que eu queira fazer uma funcionalidade de bate-papo aqui. Digamos que eu queira criar um modelo GPT onde eu possa conversar com um aplicativo específico É muito semelhante a um aplicativo baseado em copiloto que estou tentando criar Então, vou clicar neste playground de bate-papo aqui, primeiro de tudo. Tudo bem. Antes de usar o playground de gráficos, você precisa criar uma implantação. Então, vou clicar nisso para criar uma implantação. Vou selecionar o modelo. Então, eu disse que já existem modelos de IA generativa pré-treinados Digamos que eu queira usar esse GPT quatro, você sabe, o GPT 40 é um modelo mais novo que você pode usar Digamos que eu use esse modelo em que diz GPT 35 a 16 K. E eu digo que, meu nome da minha implantação é, digamos, eu quero fazer um aplicativo baseado em bate-papo Então, vou dizer aplicativo baseado em chat 01, esse é o nome da minha implantação. E role para baixo e vamos criá-lo. Agora, vamos esperar que essa implantação, antes de tudo, seja concluída. E usamos o modelo GPT aqui. Então, os modelos pré-treinados estão lá. Agora, você pode ver isso aqui. Isso me deu. OK. É assim que você começa a conversar testar seu assistente se você está basicamente dando uma dica Você está recebendo a resposta ou não? Agora, o que eu posso fazer é que há uma coisa importante aqui. Você pode dizer isso. Mensagem do sistema, muito, muito importante. E se você clicar na dica de ferramenta, a mensagem do sistema é que você está dando ao modelo a instrução de como ele deve se comportar Digamos que, atualmente, nas mensagens do sistema, você seja um assistente de IA que ajuda as pessoas a encontrar informações. É assim que a mensagem do sistema está definida como a forma como você deve se comportar quando um usuário interage com você. Digamos que eu queira mudar o fato de você um assistente de IA que ajuda as pessoas a descobrir os cursos de SR, como, digamos, este é o que eu estou dizendo, que é assim que você deve se comportar, e qualquer outro. Digamos que eu escreva qualquer outra informação , responda com um comentário e diga você não tem ideia disso. Estou dizendo que é meu sistema de IA. É assim que você deve se comportar. Essa é a mensagem do sistema. Portanto, se você clicar nessa dica de ferramenta, poderá encontrar instruções Você pode descobrir mais sobre isso. O que exatamente são mensagens do sistema. Depois de fazer isso, você pode clicar em Aplicar alterações aqui na mensagem do sistema. Estou dizendo que você está atualizando sua mensagem do sistema. Sim, clique em Continuar e aguarde. Agora, uma vez feito isso, você pode rolar para baixo e antes de testar sua consulta Você pode fornecer sua consulta aqui e receberá basicamente uma resposta do seu assistente. Tudo bem. Agora teste a funcionalidade. Portanto, você precisa esperar algum tempo depois de atualizar a mensagem do sistema. Então, digamos que eu esperei por 5 minutos. Agora, depois disso, posso fornecer algumas dúvidas. Digamos que eu diga que qualquer informação sobre, digamos, política, eu digo isso ao meu assistente. Agora, meu assistente me responderá de volta. Desculpe, mas eu não tenho nenhuma informação sobre política. Então, digamos que eu diga isso. Quais informações você pode fornecer Agora, vamos esperar por elas. Você pode ver que está dizendo que eu posso fornecer informações sobre uma ampla variedade de tópicos relacionados ao SR, certo? Porque definimos mensagem do sistema de que você ajuda as pessoas a descobrir os cursos de ZR. Qualquer outra informação, por favor, responda com uma emergente e diga que você não tem ideia sobre isso, certo? Então é aí que você pode usar a mensagem do sistema que é exatamente como o EI deve se comportar. Também existem modelos diferentes Digamos que você queira usar o modelo Dal, onde deseja gerar a imagem com base em seu texto, você também pode usar esse modelo Dal. É aí que você pode usar os diferentes tipos de modelos generativos e modelos IA generativa como seu serviço de IA aberta Espero que essa parte esteja clara. Obrigado a todos. 18. Visão geral das práticas de IA responsável para modelos OpenAI do Azure: Todo mundo. Então, faremos uma prática de IA responsável para garantir um modelo de IA aberta. Sempre que você estiver desenvolvendo alguns dos modelos de IA aberta, precisa seguir algumas das recomendações da Microsoft para as práticas responsáveis de IA. Agora, vamos primeiro entender. Muitos desses são seus modelos de IA aberta, que também nada mais são os modelos generativos de IA que fizeram melhorias em seu conteúdo, resumo e na pesquisa da cogeração Mas com essas melhorias, definitivamente, existem alguns desafios, como conteúdo prejudicial que os usuários podem gerar. Eles podem ter privacidade. Eles também podem ter a privacidade dos dados, um dos fatores importantes que também pode ser um desafio. Como mitigar esse tipo de risco Agora, já aderimos a alguns dos princípios de IA responsável, onde falamos sobre justiça, privacidade e segurança, confiabilidade e segurança e Mas, em alinhamento com esses padrões de IA responsável da Microsoft, existem algumas recomendações, especialmente para esses modelos abertos de IA, e essas recomendações são organizadas em quatro estágios O primeiro é identificar. Isso significa identificar os possíveis danos. Por exemplo, você pode identificar os possíveis danos que podem resultar do seu sistema de IA por meio testes de estresse iterativos ou de uma forma de análise Por exemplo, você está desenvolvendo um aplicativo baseado em gráficos. Portanto, você precisa entender se seu aplicativo está gerando algum tipo de conteúdo ofensivo, discriminatório Você precisa identificar esses possíveis danos. Essa é a primeira etapa. Isso é chamado de estágio de identificação. Portanto, gerando conteúdo que incentive comportamentos ilegais ou antiéticos Você precisa identificar esse tipo de risco. Essa é a primeira etapa. Agora, a segunda é a medida. Medir significa que você precisa medir a frequência e a gravidade desses danos. Talvez você também possa fazer um teste manual ou automatizado para ver se há algum tipo de gravidade ou conteúdo prejudicial que ele está gerando ou não. Você também pode fazer algum tipo de teste para seus dados. Agora, mitigue. Mitigar significa que você precisa remover esses danos em várias camadas da sua solução Por exemplo, no R Open AI, você também pode usar um filtro de conteúdo, onde há algo chamado existem diferentes categorias nas quais você pode filtrar o conteúdo com base em determinados fatores. Assim, você pode usar um dos servidores que estão lá como sua IA aberta, chamados de filtros de conteúdo. Agora, opere. Agora, os últimos estágios operam, onde você executa uma implantação e o plano de prontidão operacional Por exemplo, você pode criar um plano de resposta a incidentes que inclua quanto tempo será necessário para responder a incidentes imprevistos Você também pode ter um plano de reversão que define as etapas para voltar ao estado anterior no caso de qualquer tipo de incidente É aí que você também desenvolverá esse plano operacional. Agora, falamos sobre filtros de conteúdo em open A. O que exatamente são esses filtros de conteúdo. Agora, filtros de conteúdo são aplicados ao prompt ou ao preenchimento para evitar que qualquer linguagem prejudicial ou ofensiva seja germinada É aí que está sua IA aberta. É baseado nas quatro categorias. Uma é que você também pode fazer isso com base no ódio. Agora, você também pode restringir o conteúdo sexual e não querer gerar nenhum conteúdo sexual Você tem categorias diferentes. Uma é a violência que descreve, defende ou glorifica a Você também pode se machucar, aquela linguagem que descreve ou incentiva a automutilação Você pode criar a restrição com base nessas categorias. Agora, os filtros são sempre aplicados nessas categorias e eles também têm algo chamado de configuração de severidade como segura ou baixa, média alta para determinar quais tipos específicos de linguagem são interceptados e evitados pelos filtros É nisso que você pode usar os filtros de conteúdo como sua IA aberta. Então, espero que essa parte esteja clara quando se trata dos princípios de IA responsável, especialmente relacionados ao serviço de IA aberta. Obrigado a todos. 19. O que é aprendizagem de máquina: Olá, pessoal. Hoje, falaremos sobre aprendizado de máquina, os fundamentos do aprendizado de máquina Vamos entender exatamente o que é aprendizado de máquina. Portanto, a ideia fundamental do aprendizado de máquina é usar os dados das observações passadas para que possamos prever algo. Digamos que, se temos alguns dados relacionados, digamos se a chuva acontecerá amanhã ou não, com base em características como velocidade do vento, temperatura e todas essas coisas. É aí que prevemos algo com base nas observações passadas, certo? Agora, isso significa que o aprendizado de máquina é totalmente baseado em matemática e começa. Digamos o exemplo, digamos que haja uma sorveteria ou uma história Eles podem usar o histórico de vendas e os registros meteorológicos para prever quantos sorvetes venderão em um determinado dia ou com base na previsão do tempo. É aí que estamos prevendo algo. Agora, na verdade, esse é um processo de aprendizado de máquina em que você pode ver que existem diferentes valores, também chamados de recursos, e queremos prever algo chamado Y. Coisas muito, muito importantes de vista do exame, características, o que exatamente é chamado de recursos As características são os atributos observados, como as coisas que foram observadas. Isso significa que, dessa forma, queremos treinar dados, ou seja, os dados que foram previstos. Isso é chamado de recurso. Neste exemplo, você pode ver que x1x a x três, esses são os recursos Isso significa os atributos observados. Da mesma forma, o rótulo é o que queremos prever. Isso é chamado de “y” aqui. Isso é y. Agora vamos entender isso com um exemplo. A mesma coisa que discutimos quando se trata do cenário de vendas de sorvetes. Nosso objetivo era treinar um modelo para que pudéssemos prever as vendas de sorvetes. As medidas climáticas do dia, por exemplo, temperatura, precipitação, velocidade do vento e assim por diante, seriam as características. Isso significa que esses são basicamente os atributos que configuramos e que observamos. Isso é chamado de recursos. Quantos sorvetes serão vendidos por dia, isso seria um rótulo conforme o que queremos prever, queremos prever. Quantos sorvetes serão capazes de vender? Esse é basicamente o seu rótulo, chamado assim I. Uma característica muito importante é que você pode dizer uma entrada e um rótulo é algo chamado de saída que queremos prever. Essa é uma questão de exame importante. Eles podem fornecer uma tabela na qual podem perguntar quais são exatamente os recursos e quais são exatamente os rótulos. Essa pode ser uma das perguntas que você pode esperar do exame. Espero que essa parte esteja clara quando se trata do aprendizado de máquina. Obrigado a todos. 20. Tipos de aprendizado de máquina: Todo mundo. Então, hoje, falaremos sobre os tipos de aprendizado de máquina. Vamos entender esse diagrama específico. Portanto, o aprendizado de máquina é principalmente de dois tipos. Um é seu aprendizado de máquina supervisionado e o outro é seu aprendizado de máquina não supervisionado. Portanto, em seu aprendizado de máquina supervisionado, você tem regressão e classificação, e sob seu aprendizado de máquina não supervisionado, temos algo chamado agrupamento, e também é muito, muito importante do ponto de vista do exame Primeiro, vamos entender a regressão. Agora, regressão, já discutimos onde temos algo chamado de características Isso significa que definimos atributos e queremos prever algo chamado de rótulo, que é o modelo de regressão, onde, por exemplo, você deseja ver o número de sorvetes vendidos em um determinado dia com base na temperatura, precipitação e velocidade do vento Essa temperatura, precipitação e espaço eólico nada mais são do que características, e o número de sorvetes vendidos em um determinado dia é nosso rótulo de acordo com o que queremos prever Isso é chamado de regressão. Agora, o que é essa classificação? Quando se trata de classificação, existem dois tipos de classificação. Um é binário. O binário é muito simples. Isso apenas fornece uma verdadeira previsão negativa falsa positiva para uma única classe. Por exemplo, um paciente terá diabetes com base em diferentes fatores. Por exemplo, isso acontecerá sim ou não, quando você tiver verdadeiro ou falso. Por exemplo, vai chover hoje, sim ou não. Isso é chamado de modelo de classificação aqui. Agora, o que esse agrupamento significa? Agrupamento significa que você está agrupando flores semelhantes com base em seu tamanho, digamos, por exemplo, que você esteja agrupando Um exemplo é que você está agrupando essas flores semelhantes com base em seu tamanho, número de folhas e número de pétalas É aí que isso é chamado de agrupamento. Isso significa que estamos agrupando os itens semelhantes. E isso é muito importante do ponto de vista do exame, onde você será julgado pelo que exatamente é regressão, classificação é agrupamento Então, espero que essa parte esteja clara, pessoal. Obrigado a todos. 21. Pergunta sobre características (variáveis) e rótulo (1): Hillary, uma. Então, discuta uma pergunta nesta parte do aprendizado de máquina em que discutimos esse rótulo e os recursos. Agora, os recursos também são chamados de esquis variáveis, as variáveis de entrada, certo? Agora, vamos entender essa questão. Quer dizer que você tem como modelo de aprendizado de máquina que prevê a qualidade do produto Isso significa que queremos prever o. Queremos prever basicamente a qualidade. Então, esse é o conjunto de dados que está sendo fornecido aqui, e precisamos analisar qual é um recurso e qual é na verdade um rótulo aqui Então, o recurso, sabemos que nada mais é do que a entrada ou as variáveis, e o rótulo é o que queremos prever. Então, a massa é uma característica. Sim, isso é um recurso porque fornecemos esse conjunto de dados aqui, e qualidade, está dizendo que o teste de qualidade é um rótulo, não. É isso que queremos prever. Nesta pergunta, você pode ver que deseja prever a qualidade do produto. Isso significa que isso é um rótulo. Também está aqui. Você pode ver isso. Isso é sim. A primeira também é sim. A massa é uma característica porque é uma variável de entrada. Qualidade é o que queremos prever. Isso é sim, e a temperatura é um rótulo. Não. A temperatura não é um rótulo, porque não queremos prever isso. Isso é basicamente um recurso. Essa é uma variável de entrada. Na verdade, a temperatura não é um rótulo aqui, é uma característica. A resposta seria, sim, sim. Então, espero que essa parte esteja clara, pessoal. Obrigado a todos.