Você tem um aplicativo chamado App1, que utiliza um modelo de Azure Cognitive Services para identificar anomalias em um fluxo de dados de séries temporais.
Você precisa executar o App1 em uma localidade com conectividade limitada. A solução deve minimizar os custos.
Qual solução você deve usar para hospedar o modelo?
Resposta Correta: Docker Engine
O Docker Engine permite executar contêineres localmente em máquinas físicas ou virtuais, sem a necessidade de uma infraestrutura complexa como o Kubernetes ou o Azure Stack Hub.
Se a conectividade for limitada ou intermitente, usar o Docker Engine para hospedar o modelo de Azure Cognitive Services pode ser mais econômico e simples, pois ele não requer uma conexão constante com a nuvem ou recursos adicionais de gerenciamento como o AKS ou Azure Stack Hub.
Você possui um recurso do Azure Cognitive Search chamado Search1, que é utilizado por vários aplicativos.
Você precisa garantir a segurança do Search1. A solução deve atender aos seguintes requisitos:
O que você deve fazer? Para responder, selecione as opções apropriadas na área de respostas.
NOTA: Cada seleção correta vale um ponto.
Resposta Correta:
Criar um ponto de extremidade privado (Private Endpoint)
Usar funções do Azure (Azure Roles)
Criar um ponto de extremidade privado (Private Endpoint) está CORRETO porque permite que você se conecte com segurança ao seu recurso Azure AI Search por meio de uma rede privada. Isso efetivamente isola o recurso da internet pública, garantindo que ele seja acessível apenas de dentro da sua rede privada.
Usar funções do Azure (Azure Roles) está CORRETO porque o controle de acesso baseado em funções (RBAC) do Azure permite definir permissões granulares para usuários, grupos e aplicativos. Ao atribuir funções específicas a cada aplicativo, você pode controlar o acesso a consultas e operações específicas no recurso Azure AI Search.
Você está desenvolvendo uma solução para detectar anomalias em dados de sensores das últimas 24 horas.
É necessário garantir que a solução escaneie todo o conjunto de dados de uma vez, em busca de anomalias.
Qual tipo de detecção você deve usar?
Resposta correta é A. batch.
Justificativa:
Para garantir que a solução escaneie todo o conjunto de dados de uma vez, no caso de dados históricos (como os dados dos últimos 24 horas), o processamento em lote (batch) é a abordagem mais adequada. O processamento em lote permite que você analise grandes volumes de dados de uma só vez, sem a necessidade de um fluxo contínuo de dados, como ocorre no processamento em tempo real.
Portanto, batch é a melhor escolha para seu caso, onde você está lidando com dados passados e quer analisá-los em conjunto.
Você está desenvolvendo um aplicativo que fará a varredura de documentos confidenciais e usará o serviço de Linguagem para analisar o conteúdo.
Você provisiona um recurso do Azure Cognitive Services.
É necessário garantir que o aplicativo possa fazer solicitações ao endpoint do serviço de Linguagem, mantendo os documentos confidenciais nas instalações locais.
Quais três ações você deve executar em sequência? Para responder, mova as ações apropriadas da lista de ações para a área de respostas e organize-as na ordem correta.
Provisionar um cluster Kubernetes local (on-premise) isolado da internet
Para garantir que os documentos permaneçam nas instalações locais e que o serviço de Linguagem do Azure seja executado de forma segura, você deve criar um cluster Kubernetes local (on-premise) isolado da internet. Isso permitirá que os containers sejam executados sem exposição à internet pública.
Saiba mais sobre containers desconectados no Azure Cognitive Services.
Puxar a imagem do Microsoft Container Registry (MCR)
As imagens dos containers para os serviços do Azure Cognitive Services estão hospedadas no Microsoft Container Registry (MCR). Você pode puxar a imagem do MCR ou de outros repositórios como o Microsoft Artifact Registry ou Docker Hub.
Saiba mais sobre como baixar os containers desconectados.
Executar o container e especificar a chave da API e a URL do endpoint dos Serviços Cognitivos
Ao executar o container, você deve especificar a chave da API e a URL do endpoint do Azure Cognitive Services para garantir que a aplicação consiga interagir corretamente com o serviço de Linguagem.
Você possui uma assinatura do Azure com as seguintes configurações:
Você planeja criar um recurso que realizará análise de sentimentos e reconhecimento óptico de caracteres (OCR).
É necessário usar uma solicitação HTTP para criar o recurso na assinatura. A solução deve usar uma única chave e um único endpoint.
Como você deve completar a solicitação? Para responder, selecione as opções apropriadas na área de respostas.
NOTA: Cada seleção correta vale um ponto.
subscriptions/8d3591aa-96b8-4737-ad09-00f9b1ed35ad está CORRETO porque é o formato correto para especificar o ID da assinatura na URL ao fazer uma solicitação HTTP para criar um recurso em uma assinatura do Azure. O ID da assinatura identifica de forma única a assinatura sob a qual o recurso será criado.
Microsoft.CognitiveServices está CORRETO porque é o provedor apropriado para criar recursos relacionados à análise de sentimentos e reconhecimento óptico de caracteres (OCR) dentro dos Serviços Cognitivos do Azure.
Você possui uma assinatura do Azure que contém um recurso Anomaly Detector.
Você implanta um servidor Docker host chamado Server1 na rede local.
Você precisa hospedar uma instância do serviço Anomaly Detector no Server1.
Qual parâmetro você deve incluir no comando docker run?
Resposta correta: B. Billing
Quando você hospeda uma instância do serviço Anomaly Detector em um contêiner Docker, o parâmetro Billing é necessário para autenticar e autorizar o uso do serviço. Esse parâmetro assegura que o contêiner consiga interagir corretamente com os serviços do Azure e também realiza o registro do uso para fins de faturamento.
Portanto, Billing é a escolha correta, pois é necessário fornecer as informações de faturamento para garantir que o serviço funcione corretamente e que o uso seja registrado para cobrança.
Você está desenvolvendo um aplicativo que usará o serviço de Fala (Speech Service).
É necessário garantir que o aplicativo possa se autenticar no serviço usando um token do Microsoft Azure Active Directory (Azure AD), parte do Microsoft Entra.
Quais duas ações você deve executar? Cada resposta correta apresenta uma parte da solução.
NOTA: Cada seleção correta vale um ponto.
Resposta correta:
Criar um ponto de extremidade privado
Configurar um subdomínio personalizado
Criar um ponto de extremidade privado está CORRETO porque permite a comunicação segura entre o seu serviço de Azure AI Speech e sua rede virtual, usando um endereço IP privado. Isso garante que o tráfego permaneça privado e controlado, enquanto suporta a autenticação via Microsoft Entra ID.
Configurar um subdomínio personalizado está CORRETO porque os serviços Azure AI, incluindo o Speech, frequentemente exigem um subdomínio personalizado para autenticação via Entra ID. Isso possibilita a autenticação baseada em token no serviço de Speech por meio do subdomínio.
Você planeja implantar um recurso Azure OpenAI usando um template do Azure Resource Manager (ARM).
É necessário garantir que o recurso consiga responder a 600 solicitações por minuto.
Como você deve completar o template? Para responder, selecione as opções apropriadas na área de respostas.
NOTA: Cada seleção correta vale um ponto.
Resposta correta:
Capacity
100
“capacity” está CORRETO porque especifica a unidade de escalabilidade da implantação, que determina o número de solicitações que o recurso pode processar por minuto. Definir o valor de capacidade adequado garante que o recurso possa responder a 600 solicitações por minuto.
100 está CORRETO porque uma taxa de 600 solicitações por minuto exige a capacidade de processar um número substancial de tokens por minuto. Cada unidade de capacidade suporta 1.000 tokens por minuto (TPM). Para uma solicitação típica, assumindo que ela processe até 100 tokens por solicitação (entrada + saída), a capacidade necessária é:
600 solicitações * 100 tokens = 60.000 TPM.
Definir a capacidade como 100 garante que o recurso possa processar até 100.000 TPM, atendendo à exigência de 600 solicitações por minuto com uma margem de segurança.
Você possui um aplicativo que gerencia feedbacks.
É necessário garantir que o aplicativo possa detectar comentários negativos usando a API de Análise de Sentimentos no Azure AI Language. A solução deve garantir que o feedback gerenciado permaneça na rede interna da sua empresa.
Quais três ações você deve executar em sequência? Para responder, mova as ações apropriadas da lista de ações para a área de respostas e organize-as na ordem correta.
NOTA: Mais de uma ordem de opções de resposta está correta. Você receberá crédito por qualquer uma das ordens corretas que selecionar.
Resposta correta:
Provisionar o recurso do serviço de Linguagem no Azure:
Este passo envolve a criação do recurso do Azure Language service, que fornecerá as credenciais necessárias e a URL do endpoint para usar a API de Análise de Sentimentos.
Implantar um contêiner Docker em um servidor local:
Ao implantar um contêiner Docker localmente, você pode executar a API de Análise de Sentimentos internamente, garantindo que os dados de feedback não saiam da rede interna da sua empresa.
Executar o contêiner e consultar o endpoint de previsão:
Uma vez que o contêiner esteja em execução no servidor local, você pode começar a enviar os dados de feedback para a API de Análise de Sentimentos, consultando o endpoint de previsão fornecido pelo Azure Language service.
Você possui um recurso Azure OpenAI chamado AI1 que hospeda três implantações do modelo GPT 3.5. Cada implantaçao está otimizada para uma carga de trabalho única.
Você planeja implantar três aplicativos. Cada aplicativo acessará AI1 usando a API REST e usará a implantação que foi otimizada para a carga de trabalho destinada ao aplicativo.
Você precisa fornecer a cada aplicativo acesso ao AI1 e à implantação apropriada. A solução deve garantir que apenas os aplicativos possam acessar o AI1.
O que você deve usar para fornecer acesso ao AI1, e o que cada aplicativo deve usar para se conectar à sua implantação apropriada? Para responder, selecione as opções apropriadas na área de respostas.
NOTA: Cada seleção correta vale um ponto.
Resposta correta:
API key
Deployment endpoint
A chave da API (API key) está CORRETA porque é um método comum de autenticação para aplicativos ao acessar APIs, incluindo os serviços Azure OpenAI. As chaves da API são fáceis de usar e fornecem a autenticação necessária para garantir que apenas aplicativos autorizados possam acessar as implantações específicas otimizadas para suas respectivas cargas de trabalho.
Um endpoint de implantação (Deployment endpoint) está CORRETO porque cada implantação do modelo GPT-3.5 no Azure OpenAI fornece uma URL de endpoint única que os aplicativos podem usar para acessar a implantação específica. Ao usar o endpoint de implantação, cada aplicativo pode se conectar à implantação otimizada para sua carga de trabalho destinada. Isso garante que os aplicativos acessem a implantação correta do modelo.
Você está construindo um bot usando o SDK do Microsoft Bot Framework.
O bot é iniciado em um computador local.
Agora, você precisa validar a funcionalidade do bot.
O que você deve fazer antes de conectar ao bot?
A. Executar o Bot Framework Emulator.
B. Executar o Bot Framework Composer.
C. Registrar o bot no Azure Bot Service.
D. Executar o Windows Terminal.
Resposta correta:
A. Executar o Bot Framework Emulator.
O Bot Framework Emulator permite que você se conecte e teste seu bot localmente antes de implantá-lo. Não é necessário registrar o bot no Azure Bot Service para testes locais, pois o Emulator foi projetado especificamente para esse propósito.
Você tem um modelo Azure OpenAI chamado AI1.
Você está criando um aplicativo web chamado App1 utilizando o SDK do Azure OpenAI.
Você precisa configurar o App1 para se conectar ao AI1.
Quais informações você deve fornecer?
A. o endpoint, chave e nome do modelo
B. o nome da implantação, chave e nome do modelo
C. o nome da implantação, endpoint e chave
D. o endpoint, chave e tipo de modelo
Resposta correta:
C. o nome da implantação, endpoint e chave
Nome da implantação: Especifica qual implantação do modelo você deseja usar. No Azure OpenAI, você pode ter várias implantações do mesmo modelo otimizadas para diferentes tarefas.
Endpoint: Esta é a URL onde o seu modelo AI1 está hospedado. Ela direciona as solicitações da API para a instância correta do serviço Azure.
Chave: Esta é a chave de autenticação que permite que o seu aplicativo web acesse o serviço Azure OpenAI de forma segura. Ela garante que apenas aplicativos autorizados possam usar o serviço.
Você está criando uma solução no Azure que usará o Azure Cognitive Service for Language para processar dados sensíveis de clientes.
Você precisa garantir que apenas processos específicos do Azure possam acessar o serviço de Language. A solução deve minimizar o esforço administrativo.
O que deve ser incluído na solução?
A. Regras IPsec
B. Azure Application Gateway
C. Um gateway de rede virtual
D. Regras de rede virtual
Resposta correta:
D: Regras de rede virtual.
Regras de rede virtual: Elas permitem restringir o acesso ao serviço Azure AI Language a recursos específicos do Azure dentro de uma rede virtual. Ao configurar regras de rede virtual, você pode garantir que apenas processos e serviços designados dentro da sua infraestrutura Azure possam acessar o serviço de Language. Essa abordagem minimiza o esforço administrativo ao aproveitar as capacidades de segurança de rede integradas do Azure.
Você planeja realizar manutenção preditiva.
Você coleta dados de sensores IoT de 100 máquinas industriais durante um ano. Cada máquina possui 50 sensores diferentes que geram dados em intervalos de um minuto. No total, você tem 5.000 conjuntos de dados de séries temporais.
Você precisa identificar valores incomuns em cada série temporal para ajudar a prever falhas nas máquinas.
Qual serviço do Azure você deve usar?
A. Azure AI Computer Vision
B. Cognitive Search
C. Azure AI Document Intelligence
D. Azure AI Anomaly Detector
Resposta correta:
D. Azure AI Anomaly Detector
Azure AI Anomaly Detector é projetado especificamente para detectar anomalias em dados de séries temporais. Ele utiliza modelos avançados de aprendizado de máquina para identificar padrões ou comportamentos inesperados nos dados, o que é essencial para a manutenção preditiva. Com a capacidade de analisar e detectar irregularidades em vários conjuntos de dados de séries temporais, esse serviço é ideal para monitorar dados de sensores IoT e prever falhas nas máquinas.
Você está desenvolvendo um sistema que irá monitorar dados de temperatura a partir de um fluxo de dados. O sistema deve gerar um alerta em resposta a valores atípicos. A solução deve minimizar o esforço de desenvolvimento.
O que deve ser incluído na solução?
A. Detecção de Anomalias Multivariadas
B. Azure Stream Analytics
C. Alertas de métricas no Azure Monitor
D. Detecção de Anomalias Univariadas
Resposta correta:
D. Detecção de Anomalias Univariadas.
A Detecção de Anomalias Univariadas é adequada para identificar valores atípicos em um único conjunto de dados (como a temperatura) de forma simples e eficaz, sem a necessidade de configurações complexas. Isso minimiza o esforço de desenvolvimento, o que se alinha com os requisitos da solução.
Você tem uma pasta do Microsoft OneDrive que contém um arquivo de vídeo de 20 GB chamado File1.avi.
Você precisa indexar o File1.avi usando o site do Azure Video Indexer.
O que você deve fazer?
A. Faça o upload do File1.avi para a página www.youtube.com e depois copie a URL do vídeo para o site do Azure AI Video Indexer.
B. Baixe o File1.avi para um computador local e depois faça o upload do arquivo para o site do Azure AI Video Indexer.
C. No OneDrive, crie um link de download e depois copie o link para o site do Azure AI Video Indexer.
D. No OneDrive, crie um link de compartilhamento para o File1.avi e depois copie o link para o site do Azure AI Video Indexer.
Resposta correta:
B. Baixe o File1.avi para um computador local e depois faça o upload do arquivo para o site do Azure AI Video Indexer.
O Azure Video Indexer permite que você faça o upload de arquivos diretamente do seu computador, o que é uma solução viável quando o arquivo é grande (como no seu caso, de 20 GB). Ao fazer o upload diretamente, não há restrições de tamanho de arquivo que normalmente ocorreriam ao tentar usar links de compartilhamento ou URLs de vídeos online, que são de 2 GB.
Essa é a maneira mais segura de garantir que o arquivo de 20 GB seja indexado sem problemas.
Você tem uma assinatura do Azure que contém um recurso do Azure AI Service chamado CSAccount1 e uma rede virtual chamada VNet1. O CSAccount1 está conectado ao VNet1.
Você precisa garantir que apenas recursos específicos possam acessar o CSAccount1. A solução deve atender aos seguintes requisitos:
Quais duas ações você deve realizar? Cada resposta correta faz parte da solução.
A. No VNet1, habilite um ponto de extremidade de serviço para o CSAccount1.
B. No CSAccount1, configure as configurações de Controle de Acesso (IAM).
C. No VNet1, modifique as configurações da rede virtual.
D. No VNet1, crie uma sub-rede virtual.
E. No CSAccount1, modifique as configurações da rede virtual.
Resposta correta:
A. No VNet1, habilite um ponto de extremidade de serviço para o CSAccount1.
E. No CSAccount1, modifique as configurações da rede virtual.
A. Habilitar um ponto de extremidade de serviço no VNet1: A habilitação de um ponto de extremidade de serviço no VNet1 permitirá que apenas os recursos dentro da rede virtual acessem o CSAccount1, garantindo que o acesso externo seja bloqueado. Isso atende ao requisito de impedir o acesso externo e minimiza o esforço administrativo, pois a configuração é feita no nível da rede.
E. Modificar as configurações da rede virtual no CSAccount1: Ao configurar o CSAccount1 para permitir acesso apenas a redes virtuais específicas (VNet1), você restringe o acesso à rede interna e evita acessos externos. Essa configuração ajuda a garantir a segurança e o controle sobre os recursos que podem acessar o CSAccount1.
Você está criando uma solução de treinamento baseada na internet. A solução exige que a câmera e o microfone do usuário permaneçam ativados.
Você precisa monitorar o fluxo de vídeo do usuário e detectar quando o usuário faz uma pergunta para o instrutor. A solução deve minimizar o esforço de desenvolvimento.
O que você deve incluir na solução?
A. Speech-to-text no serviço Azure AI Speech
B. Detecção de linguagem no Azure AI Language Service
C. O serviço Face no Azure AI Vision
D. Detecção de objetos no Azure AI Custom Vision
Resposta correta:
A. Speech-to-text no serviço Azure AI Speech
O serviço Speech-to-text da Azure AI Speech converte a fala em texto em tempo real. Isso é ideal para identificar quando o usuário faz uma pergunta, pois você pode analisar a transcrição de áudio e identificar palavras-chave ou frases relacionadas a perguntas. Além disso, esse serviço minimiza o esforço de desenvolvimento, pois é uma ferramenta pronta para uso, sem a necessidade de criar modelos personalizados.
Você tem um pipeline do Azure DevOps chamado Pipeline1, que é usado para implantar um aplicativo. O Pipeline1 inclui uma etapa que criará uma conta de serviço do Azure AI.
Você precisa adicionar uma etapa ao Pipeline1 que identificará a conta de serviço do Azure AI criada. A solução deve minimizar o esforço de desenvolvimento.
Qual comando da Interface de Linha de Comando (CLI) do Azure você deve executar?
A. az resource link
B. az cognitiveservices account network-rule
C. az cognitiveservices account show
D. az account list
Resposta correta:
C. az cognitiveservices account show
O comando az cognitiveservices account show é utilizado para exibir informações sobre uma conta de serviços cognitivos do Azure (Azure AI Services). Esse comando permite que você obtenha detalhes sobre a conta criada, atendendo ao requisito de identificar a conta de serviço de maneira fácil e eficiente, sem precisar de esforço adicional de desenvolvimento.
As outras opções não são adequadas para esse caso:
Você possui 1.000 imagens digitalizadas de respostas de pesquisas manuscritas. As pesquisas NÃO possuem um layout consistente.
Você tem uma assinatura do Azure que contém um recurso de Azure AI Document Intelligence chamado AIdoc1.
Você abre o Document Intelligence Studio e cria um novo projeto.
Você precisa extrair dados das respostas da pesquisa. A solução deve minimizar o esforço de desenvolvimento.
Para onde você deve carregar as imagens e qual tipo de modelo deve usar? Para responder, selecione as opções apropriadas na área de resposta.
NOTA: Cada seleção correta vale um ponto.
Resposta correta:
Azure Storage Account
Custom Neural
Azure Storage Account é CORRETA porque o Azure AI Document Intelligence requer que os documentos sejam carregados em uma conta de armazenamento do Azure para serem processados e analisados. Isso garante uma integração contínua com o Document Intelligence Studio, permitindo extrair dados de imagens digitalizadas de forma eficiente, minimizando o esforço de desenvolvimento.
Neural Custom é CORRETO porque esse tipo de modelo foi projetado para lidar com documentos sem um layout consistente. Ele utiliza aprendizado de máquina para identificar e extrair dados relevantes de formatos diversos e não estruturados, como as respostas manuscritas de pesquisas. Isso minimiza o esforço de desenvolvimento, pois você pode treinar o modelo em um conjunto de amostras de suas respostas de pesquisa, e ele generaliza bem entre diferentes layouts.