Azure AI Fundamentals AI-900 - نمونه سوالات تمرینی (2025) - آخرین آپدیت

با اطمینان خاطر برای آزمون AI-900 آماده شوید! شامل 338 سوال جدید به همراه توضیحات جامع برای هر پاسخ.

• توضیح بارهای کاری و ملاحظات هوش مصنوعی
• توضیح ویژگی‌های بارهای کاری بینایی کامپیوتر در Azure
• توضیح ویژگی‌های بارهای کاری پردازش زبان طبیعی (NLP) در Azure
• توضیح ویژگی‌های بارهای کاری هوش مصنوعی مولد در Azure
• توضیح اصول بنیادین یادگیری ماشین در Azure

پیش‌نیازها: این دوره فقط شامل آزمون‌های عملی (Practice Test) است و نیازی به پیش‌نیاز خاصی برای شرکت در آن نیست. با این حال، داشتن آگاهی اولیه از مفاهیم پایه ابری (Basic Cloud Concepts) و کاربردهای کلاینت-سرور (Client-server Applications) توصیه می‌شود.

 این دوره کاملاً با به‌روزرسانی رسمی آزمون در تاریخ 2 مه 2025 مطابقت دارد.**

به دوره آزمون‌های عملی Azure AI Fundamentals AI-900 خوش آمدید!

آیا برای آزمون گواهینامه Azure AI Fundamentals (AI-900) آماده می‌شوید؟ این دوره برای کمک به موفقیت شما، با ارائه آزمون‌های عملی باکیفیت که شباهت زیادی به آزمون واقعی دارند، طراحی شده است.

آنچه دریافت خواهید کرد:

• 338 سوال جدید آزمون با توضیحات جامع برای هر پاسخ

• شبیه‌سازی واقع‌گرایانه آزمون Azure AI-900:

  آزمون‌های عملی ما برای بازتاب فرمت، سبک و دشواری آزمون رسمی Azure AI Fundamentals طراحی شده‌اند. این امر تضمین می‌کند که تجربه آزمون واقعی را کسب کنید.

• پوشش جامع سرفصل‌های AI-900:

  آزمون‌های عملی تمام دامنه‌ها و اهداف آزمون AI-900 را پوشش می‌دهند، از جمله:

  • توضیح بارهای کاری و ملاحظات هوش مصنوعی

  • توضیح اصول بنیادین یادگیری ماشین در Azure

  • توضیح ویژگی‌های بارهای کاری بینایی کامپیوتر در Azure

  • توضیح ویژگی‌های بارهای کاری پردازش زبان طبیعی (NLP) در Azure

  • توضیح ویژگی‌های بارهای کاری هوش مصنوعی مولد در Azure

• توضیحات مفصل برای هر پاسخ:

  هر سوال دارای توضیحات کاملی است تا به شما در درک مفاهیم و منطق پشت پاسخ‌های صحیح کمک کند. این برای تعمیق دانش شما و اطمینان از آمادگی کامل ضروری است. برای هر سوال، توضیح داده‌ام که چرا یک پاسخ صحیح است و همچنین چرا گزینه‌های دیگر نادرست هستند. همچنین لینک‌های مرجع پشتیبانی برای مطالعه سریع را نیز خواهید یافت.

• تنوع سوالات آمادگی آزمون:

  ترکیبی از سوالات چندگزینه‌ای، چندپاسخی و مبتنی بر سناریو را خواهید یافت تا شما را به طور کامل برای آنچه در روز آزمون انتظار می‌رود، آماده کند.

• پیگیری عملکرد و پیشرفت:

  با ویژگی بازبینی آزمون، پیشرفت خود را پیگیری کنید. نقاط قوت و زمینه‌های بهبود خود را شناسایی کنید تا تلاش‌های مطالعاتی خود را به طور مؤثر متمرکز کنید.

نمونه‌ای از آنچه در این دوره دریافت خواهید کرد:

س1. شما 100 ویدیوی آموزشی دارید که فاقد هرگونه صدا هستند. هر ویدیوی آموزشی دارای یک متن (اسکریپت) است. شما باید بر اساس این متن، یک فایل صوتی روایی (نریشن) برای هر ویدیو تولید کنید. از کدام نوع بار کاری باید استفاده کنید؟

• مدل‌سازی زبان (language modeling)

• تشخیص گفتار (speech recognition)

• سنتز گفتار (speech synthesis)

• ترجمه (translation)

پاسخ(ها):

سنتز گفتار (speech synthesis) صحیح است زیرا به فرآیند تولید زبان گفتاری توسط یک ماشین بر اساس ورودی نوشتاری اشاره دارد. در این سناریو، شما یک متن (ورودی نوشتاری) برای هر ویدیو دارید و می‌خواهید یک فایل صوتی روایی (زبان گفتاری) تولید کنید. بنابراین، سنتز گفتار بار کاری مناسبی برای استفاده است.

مدل‌سازی زبان (language modeling) نادرست است زیرا مدل‌سازی زبان به پیش‌بینی کلمه بعدی در یک دنباله بر اساس کلمات قبلی می‌پردازد. معمولاً در کارهایی مانند تولید متن یا پیشنهادهای تکمیل خودکار استفاده می‌شود. اگرچه می‌تواند متن تولید کند، اما متن را به گفتار تبدیل نمی‌کند.

تشخیص گفتار (speech recognition) نادرست است زیرا تشخیص گفتار فرآیند تبدیل زبان گفتاری به متن نوشتاری است. در این سناریو، شما از قبل متن را به صورت نوشتاری دارید و نیاز به تبدیل آن به زبان گفتاری دارید که دقیقاً برعکس کاری است که تشخیص گفتار انجام می‌دهد.

ترجمه (translation) نادرست است زیرا ترجمه شامل تبدیل متن یا گفتار از یک زبان به زبان دیگر است. سناریو هیچ الزامی برای ترجمه بین زبان‌ها ذکر نمی‌کند، بلکه فقط تولید روایت از یک متن را مطرح می‌کند.

***

س2. پاسخی را انتخاب کنید که جمله زیر را به درستی تکمیل می‌کند.

"یک سیستم نظارت بر ترافیک که شماره پلاک خودروها را از فیلم‌های دوربین مداربسته (CCTV) جمع‌آوری می‌کند، نمونه‌ای از _________________ در سرویس Azure AI Vision است."

• دسته‌بندی تصویر (image classification)

• شناسایی شی (object detection)

• تحلیل فضایی (spatial analysis)

• استخراج متن (text extraction)

پاسخ(ها):

استخراج متن (text extraction) صحیح است. هدف، به دست آوردن شماره پلاک خودروها از تصاویر دوربین مداربسته است. استفاده از الگوریتم‌های OCR برای استخراج متن، گزینه ایده‌آل است. این الگوریتم‌ها می‌توانند داده‌های متنی را از تصاویر شناسایی و استخراج کنند و بازیابی شماره پلاک‌ها از فریم‌های ویدیویی را تسهیل می‌کنند. این امر امکان ردیابی و ارزیابی خودکار داده‌های ترافیکی را با استخراج جزئیات متنی مرتبط فراهم می‌آورد.

دسته‌بندی تصویر (image classification) نادرست است زیرا شامل طبقه‌بندی یک تصویر کامل به یکی از چندین دسته از پیش تعریف شده است. این گزینه اطلاعات خاصی مانند متن را از تصویر استخراج نمی‌کند.

شناسایی شی (object detection) نادرست است زیرا اشیاء را در یک تصویر شناسایی و مکان‌یابی می‌کند. اگرچه می‌تواند وسایل نقلیه را تشخیص دهد، اما به طور خاص متنی مانند شماره پلاک را استخراج نمی‌کند.

تحلیل فضایی (spatial analysis) نادرست است زیرا حرکات و تعاملات افراد را در یک فضای معین تحلیل می‌کند. تمرکز آن بر استخراج متن از تصاویر نیست.