DifícilMúltipla escolha

Questão de prática de AI-900

Uma empresa deseja categorizar automaticamente tickets de suporte em categorias como 'Billing', 'Technical Issue' e 'Account Management'. Eles possuem um conjunto de 1.000 tickets rotulados que podem usar para treinar um modelo. Qual recurso do Azure AI Language eles devem usar?

Escolha a melhor resposta.

Resposta correta

  • BCustom text classification

Explicação

Custom text classification é a escolha correta porque permite treinar um modelo em seu próprio conjunto de dados rotulado (1.000 tickets) para categorizar texto em classes definidas de forma personalizada como 'Billing', 'Technical Issue' e 'Account Management'. Esse recurso foi projetado especificamente para cenários onde você precisa classificar documentos em categorias definidas pelo usuário, ao contrário das opções de classificação pré-construídas.

Por que cada alternativa está certa ou errada

A

Incorreta

Key phrase extraction

Key phrase extraction traz termos salientes dentro do texto em vez de atribuir rótulos predefinidos, portanto, não pode mapear tickets para 'Billing', 'Technical Issue' ou 'Account Management'. É tentador porque também processa texto e retorna palavras-chave, mas serve para sumarização e indexação de pesquisa; o conjunto de dados rotulado aqui requer classificação de texto multiclasse.

B

Correta

Custom text classification

Custom text classification treina um modelo em seus próprios dados rotulados para atribuir categorias predefinidas ao texto. Com 1.000 tickets rotulados em Billing, Technical Issue e Account Management, ele aprende essas classes exatas, o que os recursos pré-construídos não conseguem fazer.

C

Incorreta

Sentiment analysis

Sentiment analysis retorna pontuações positivas, negativas ou neutras para polaridade de opinião, portanto, não pode emitir os rótulos Billing, Technical Issue ou Account Management que o enunciado exige. É tentador porque também consome texto e produz uma classificação, e seria correto para avaliar o humor do cliente em pesquisas de feedback.

D

Incorreta

Language detection

Language detection identifica o idioma em que um trecho de texto está escrito, portanto, não pode atribuir rótulos Billing, Technical Issue ou Account Management aos tickets. É tentador porque também processa texto, e seria a escolha certa ao rotear tickets multilíngues para a tradução correta ou pipeline específico de idioma antes que qualquer categorização ocorra.

Para se aprofundar

Custom text classification no Azure AI Language é um recurso de aprendizado supervisionado: você fornece exemplos rotulados por classe e o serviço ajusta um modelo baseado em transformers (a geração atual é construída sobre modelos de linguagem multilíngues) que aprende padrões em nível de token e contextuais que distinguem as categorias. O treinamento requer um mínimo de 10 documentos rotulados por classe e pelo menos 2 classes, com 1.000 tickets rotulados excedendo confortavelmente esse valor. Uma vez implantado, o modelo expõe um endpoint REST síncrono que retorna pontuações de confiança por classe, para que os aplicativos possam rotear tickets ou sinalizar previsões de baixa confiança para revisão humana. Isso difere fundamentalmente de capacidades pré-treinadas como sentiment analysis ou key phrase extraction, que retornam sinais linguísticos genéricos em vez da taxonomia específica da sua organização, e da language detection, que apenas identifica o idioma do texto. Um cenário realista: um pipeline de helpdesk chama o endpoint de classificação implantado em cada ticket de entrada e o atribui à fila correta automaticamente.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.