설명:
거짓 양성률은 [0]입니다.
* True Positive 수를 True Positive와 False Negative의 총 수로 나눈 값은 [100]입니다.
스크린샷은 훈련 후 Custom Vision 객체 감지 모델의 성능 탭을 보여줍니다.
두 가지 주요 성과 지표에 주목합니다.
* 거짓 양성(FP):
* 거짓 양성은 모델이 존재하지 않는 객체를 잘못 예측할 때 발생합니다.
* 제공된 그림에서 모델은 0%의 거짓 양성률을 보여줍니다.
* 이는 객체가 아닌 것을 객체로 잘못 분류하지 않았다는 것을 의미합니다.
* 회수(진정한 양성 ÷ (진정한 양성 + 거짓 음성)):
* 이는 실제 객체 중 얼마나 많은 것이 올바르게 감지되었는지 측정합니다.
* 공식: 회수 = TP / (TP + FN).
* 성능 보고서에서 재현율은 100%입니다. 즉, 모델이 모든 실제 객체를 올바르게 감지했습니다(거짓 부정 없음).
* 거짓 양성: 0%
* 리콜(TP ÷ (TP + FN)): 100%
* 거짓 양성 # 0
* 리콜 #100
* 사용자 정의 비전 성능 측정 항목
* 머신 러닝의 정밀도, 재현율, 정확도

참조:
https://docs.microsoft.com/en-us/azure/bot-service/bot-builder-howto-add-media-attachments?view=azure-bot-service-4.0&tabs=csharp

설명:
Azure AI Document Intelligence(이전의 Form Recognizer) 리소스인 DI1을 사용하여 표 형식 데이터가 포함된 PDF 문서를 분석하려면 적절한 옵션으로 명령을 완료해야 합니다.
명령 완료:
1. 사전 구축된 모델 선택:
* 표 형식의 데이터가 포함된 PDF 문서를 다루고 있으므로, 문서에서 텍스트, 표 및 기타 주요 요소를 추출하도록 설계된 사전 구축 레이아웃 모델이 이 시나리오에 적합합니다.
2. 인증키:
* 헤더는 Ocp-Apim-Subscription-Key를 사용하여 요청 인증을 위한 구독 키를 지정해야 합니다.
컬 -v -i POST
"{엔드포인트}/formrecognizer/documentModels/사전 빌드된 레이아웃:분석?api 버전=2023-07-31" -H
"콘텐츠 유형: application/json" -H "Ocp-Apim-구독 키: {yourkey}" --data-ascii "{ 'urlSource':
'테스트.pdf' }"
* {endpoint}: Azure AI Document Intelligence 리소스의 엔드포인트 URL로 바꿉니다.
* 사전 구축된 레이아웃: 표 형식 데이터가 있는 문서를 분석하는 데 사용되는 모델입니다.
* api-version=2023-07-31: 사용 중인 API 버전입니다.
* Ocp-Apim-Subscription-Key: 인증에 사용되는 키입니다.
* 'urlSource': 'test.pdf': 분석할 문서의 소스 URL 또는 파일 경로입니다.

설명:

제공된 이미지를 기반으로 ContentSafetyClient와 AnalyzeTextOptions를 활용하여 텍스트를 분석하는 코드를 완성해야 합니다.
완성된 코드는 다음과 같습니다.
var 클라이언트 = 새로운 ContentSafetyClient(
새로운 Uri(엔드포인트), 새로운 AzureKeyCredential(키));
var request = new AnalyzeTextOptions("시애틀의 날씨는 어떻습니까?"); Response<AnalyzeTextResult> response; response = client.AnalyzeText(request);
* ContentSafetyClient: Azure AI Content Safety 서비스와 상호 작용하기 위해 SDK에서 제공하는 클라이언트 클래스입니다.
* AnalyzeTextOptions: 이 클래스는 텍스트 분석 요청에 대한 옵션을 지정하는 데 사용됩니다. 분석할 텍스트가 포함되어 있습니다.
* Response<AnalyzeTextResult>: 이것은 분석 결과를 보관하는 응답 유형입니다.
* client.AnalyzeText(요청): 이 메서드는 콘텐츠 안전 서비스에 요청을 보내고 분석 결과를 반환합니다.
이 설정을 사용하면 콘텐츠 안전 서비스를 호출하여 제공된 텍스트에 유해한 콘텐츠가 있는지 분석할 수 있습니다.

설명:
참조:
https://learn.microsoft.com/en-us/azure/ai-services/language-service/question-answering/how- to/authoring