설명

참조:
https://docs.microsoft.com/en-us/azure/cognitive-services/face/overview
https://docs.microsoft.com/en-us/azure/cognitive-services/face/concepts/face-Detection

설명:
박스 1: 얼굴 인식
이미지 속의 얼굴과 속성을 인식하는 얼굴 감지, 최대 100만 명의 개인 저장소에서 개인과 일치하는 개인을 식별하는 개인 식별, 행복, 경멸, 중립, 두려움 등 다양한 얼굴 표정을 감지하는 지각된 감정 인식, 이미지 속의 유사한 얼굴을 인식하고 그룹화하는 기능입니다.
박스 2: OCR
박스 3: 이의 감지
객체 감지는 태그 지정과 비슷하지만, API는 발견된 각 객체에 대한 경계 상자 좌표(픽셀)를 반환합니다. 예를 들어, 이미지에 개, 고양이, 사람이 포함된 경우 Detect 작업은 이미지의 좌표와 함께 해당 객체를 나열합니다. 이 기능을 사용하여 이미지의 객체 간의 관계를 처리할 수 있습니다. 또한 이미지에 동일한 태그의 인스턴스가 여러 개 있는지 확인할 수 있습니다.
Detect API는 이미지에서 식별된 객체 또는 생물에 따라 태그를 적용합니다. 태그 분류법과 객체 감지 분류법 사이에는 현재 공식적인 관계가 없습니다. 개념적 수준에서 Detect API는 객체와 생물만 찾는 반면, Tag API는 다음과 같은 문맥적 용어도 포함할 수 있습니다.
"실내"는 경계 상자로 지역화할 수 없습니다.
참조:
https://azure.microsoft.com/en-us/services/cognitive-services/face/
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-object-Detection

설명

박스 1: 예
Azure 봇 서비스는 Azure Cognitive Services의 강력한 AI 기능과 통합될 수 있습니다.
박스 2: 예
Azure 봇 서비스는 대화형 방식으로 고객과 소통합니다.
박스 3: 아니요
QnA Maker 서비스는 질문과 답변 세트가 아닌 지식 기반을 만듭니다.
참고: QnA Maker 서비스와 지식 기반을 사용하여 봇에 질문과 답변 지원을 추가할 수 있습니다. 지식 기반을 만들 때 질문과 답변으로 시드합니다.
참조:
https://docs.microsoft.com/en-us/azure/bot-service/bot-builder-tutorial-add-qna

예측 vs. 참 차트란 무엇입니까?
예측 vs. 참은 회귀 문제에 대한 예측 값과 상관관계가 있는 참 값 사이의 관계를 보여줍니다. 이 그래프는 예측 값이 y=x 선에 가까울수록 예측 모델의 정확도가 더 높으므로 모델의 성능을 측정하는 데 사용할 수 있습니다.
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-understand-automated-m