Resposta correta
- BUsar um classificador treinável e treiná-lo com dados de amostra
Explicação
Os classificadores treináveis usam aprendizado de máquina para identificar conteúdo com base em padrões aprendidos com dados de exemplo, o que reduz significativamente os falsos positivos em comparação com listas de palavras-chave estáticas. Ao treinar o classificador com exemplos relevantes de discussões de insider trading, a política pode distinguir com precisão entre violações regulatórias reais e usos benignos de termos semelhantes.
Para se aprofundar
Os classificadores treináveis no Microsoft Purview são modelos de aprendizado de máquina que aprendem padrões a partir de exemplos rotulados, em vez de depender de correspondências de palavras-chave fixas, razão pela qual reduzem os falsos positivos para conceitos sutis como o insider trading. Você alimenta um classificador com amostras positivas e negativas, e então o Communication Compliance o referencia como uma condição para que apenas mensagens cujo conteúdo estatisticamente se assemelhe à categoria treinada sejam exibidas. A qualidade do treinamento depende de amostras representativas e diversificadas e de volume suficiente; um classificador precisa de tempo para ser processado e atingir um estado utilizable antes de poder ser selecionado em uma política. Um cenário realista é uma empresa financeira onde e-mails legítimos mencionam 'stock' e 'trade' constantemente, de modo que uma lista de palavras-chave inunda os revisores, enquanto um classificador treinado em exemplos reais de má conduta distingue o risco regulatório genuíno da conversa comercial rotineira.
Sobre estas questões de prática
Esta é uma das questões de prática originais de SC-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.