FacileChoix unique

Question d'entraînement AI-102

Un organisme de santé utilise Azure Document Intelligence pour traiter les formulaires d'admission des patients. Il remarque que les scores de confiance pour l'extraction des champs sont faibles. Quelle est la cause la plus probable ?

Choisissez la meilleure réponse.

Bonne réponse

  • CLe modèle personnalisé a été entraîné avec seulement 10 formulaires étiquetés

Explication

Les modèles personnalisés dans Azure Document Intelligence nécessitent un minimum de cinq formulaires étiquetés pour l'entraînement, mais de faibles scores de confiance indiquent généralement des données d'entraînement insuffisantes. Avec seulement 10 formulaires étiquetés, le modèle manque d'exemples suffisants pour bien généraliser à travers les variations d'écriture manuscrite, de mise en page et de valeurs de champs, ce qui entraîne une faible confiance dans l'extraction.

Pourquoi chaque option est juste ou fausse

A

Fausse

La résolution du document est trop faible

Une faible résolution peut affecter l'OCR mais n'est pas la cause principale d'une faible confiance.

B

Fausse

La mise en page du document n'est pas analysée

L'analyse de mise en page est toujours effectuée ; elle n'affecte pas les scores de confiance.

C

Juste

Le modèle personnalisé a été entraîné avec seulement 10 formulaires étiquetés

Les modèles personnalisés nécessitent au moins 5 formulaires étiquetés ; davantage d'échantillons améliorent la confiance.

D

Fausse

La taille du traitement par lots est trop grande

La taille du lot n'affecte pas les scores de confiance.

Pour aller plus loin

Les modèles personnalisés Azure Document Intelligence apprennent l'extraction de champs à partir d'exemples étiquetés, et la précision dépend fortement du volume et de la variété des documents d'entraînement. Avec seulement dix formulaires étiquetés, le modèle dispose de trop peu d'exemples pour généraliser à travers les mises en page, les polices et les variations d'écriture manuscrite, de sorte que les scores de confiance pour les champs extraits restent bas et que les erreurs augmentent sur les documents non vus. Une faible résolution peut nuire à l'OCR, mais le symptôme décrit à travers les champs pointe vers une insuffisance de données d'entraînement. L'analyse de mise en page fait partie du pipeline et n'est pas quelque chose que l'appelant désactive. La taille du lot affecte le débit, pas la confiance par champ. La correction pratique consiste à étiqueter au moins cinq documents par type de champ, idéalement quinze ou plus, et à réentraîner le modèle personnalisé.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement AI-102 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.