설명
신뢰성 및 안전성
https://en.wikipedia.org/wiki/Tay_(봇)
"신뢰를 구축하려면 AI 시스템이 정상적인 상황과 예상치 못한 상황에서 안정적이고 안전하며 일관되게 작동하는 것이 중요합니다. 이러한 시스템은 원래 설계된 대로 작동하고 예상치 못한 조건에 안전하게 대응하며 유해한 조작에 저항할 수 있어야 합니다. 이러한 시스템이 실제 작동 조건에서 의도한 대로 작동하는지 확인할 수 있는 것도 중요합니다. 시스템이 작동하는 방식과 안정적이고 안전하게 처리할 수 있는 다양한 조건은 개발자가 설계 및 테스트 중에 예상하는 상황과 상황의 범위를 크게 반영합니다. AI 시스템이 예기치 않은 상황과 극단적인 경우에 안전하게 대응하고 예기치 않은 성능 오류가 발생하지 않도록 하려면 시스템 개발 및 배포 중에 엄격한 테스트가 필수적이라고 믿습니다.t 원래의 기대와 일치하지 않는 방식으로 진화"

설명:
개인 정보 보호 및 보안.
AI가 널리 보급됨에 따라 개인 정보를 보호하고 중요한 개인 및 비즈니스 정보를 보호하는 것이 더욱 중요하고 복잡해지고 있습니다. AI를 사용하면 개인 정보 보호 및 데이터 보안 문제에 특히 세심한 주의가 필요합니다. AI 시스템이 사람에 대해 정확하고 정보에 입각한 예측 및 결정을 내리려면 데이터에 대한 액세스가 필수적이기 때문입니다. AI 시스템은 데이터 수집, 사용 및 저장에 대한 투명성을 요구하는 개인 정보 보호법을 준수하고 소비자가 데이터 사용 방법을 적절하게 제어할 수 있도록 해야 합니다. Microsoft에서는 계속해서 개인 정보 보호 및 보안 혁신(다음 단원 참조)을 연구하고 강력한 규정 준수 프로세스에 투자하여 AI 시스템에서 수집하고 사용하는 데이터를 책임감 있게 처리합니다.
참조:
https://docs.microsoft.com/en-us/learn/modules/responsible-ai-principles/4-guiding-principles

참조:
https://docs.microsoft.com/en-gb/azure/cognitive-services/qnamaker/concepts/data-sources-and-content
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-service

설명

NLP(자연어 처리)는 감정 분석, 주제 감지, 언어 감지, 핵심 구 추출 및 문서 분류와 같은 작업에 사용됩니다.
참조:
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language-processing

설명:
가장 기본적인 의미에서 회귀는 숫자 목표의 예측을 나타냅니다.
예: 회귀 모델: Boosted Decision Tree 알고리즘을 사용하여 상환률을 예측하는 모델을 생성하고 훈련했습니다.
참조:
https://gallery.azure.ai/Experiment/Student-Loan-Repayment-Rate-Prediction