참조:
https://docs.microsoft.com/en-us/azure/cognitive-services/커스텀-비전-서비스/개요

설명:

상자 1: 예
자동화된 머신러닝(Automated Machine Learning, 자동화된 ML 또는 AutoML이라고도 함)은 머신러닝 모델 개발에 소요되는 시간 소모적이고 반복적인 작업을 자동화하는 프로세스입니다. 이를 통해 데이터 과학자, 분석가, 개발자는 모델 품질을 유지하면서도 높은 확장성, 효율성, 생산성을 갖춘 머신러닝 모델을 구축할 수 있습니다.
상자 2: 아니요
상자 3: 예
Azure Machine Learning은 학습 과정에서 다양한 알고리즘과 매개변수를 자동으로 시도하는 여러 파이프라인을 병렬로 생성합니다. 이 서비스는 특성 선택과 함께 ML 알고리즘을 반복하며, 각 반복은 학습 점수가 있는 모델을 생성합니다. 점수가 높을수록 모델이 더 나은 것으로 간주됩니다.
데이터를 "적합"합니다. 실험에 정의된 종료 기준에 도달하면 중지됩니다.
상자 4: 아니요
지정한 대상 메트릭을 사용하여 Azure Machine Learning이 모델을 학습하고 조정하도록 하려면 자동화된 ML을 적용합니다.
레이블은 예측하려는 열입니다.
참조:
https://azure.microsoft.com/en-us/services/machine-learning/automatedml/#features

설명

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 QnA 메이커 대화형 AI 서비스 SQL 데이터베이스와 관련이 없음 두 가지 핵심 기술을 결합하여 Microsoft Azure에서 사용자 지원 봇 솔루션을 쉽게 만들 수 있습니다.
- QnA Maker. 이 인지 서비스를 사용하면 자연어 처리 기능이 내장된 지식 기반을 만들고 게시할 수 있습니다.
- Azure Bot Service. 이 서비스는 Azure에서 봇을 개발, 게시 및 관리하기 위한 프레임워크를 제공합니다.
LUIS는 발화를 통해 사용자 의도를 이해하는 데 사용됩니다.
Language Understanding을 사용하여 언어 이해 애플리케이션을 만드는 것은 두 가지 주요 작업으로 구성됩니다. 먼저 언어 모델을 학습시킬 엔티티, 인텐트, 발화를 정의해야 합니다. 이를 모델 작성이라고 합니다. 그런 다음 클라이언트 애플리케이션이 사용자 입력을 기반으로 인텐트 및 엔티티 예측에 사용할 수 있도록 모델을 게시해야 합니다.
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/자연어 처리 서비스 선택

설명:

참조:
https://azure.microsoft.com/ko-kr/blog/microsoft-conversational-ai-tools-enable-developers-to-build-connect-and-manage-intelligent-bots