Microsoft AI-102

Practice Test #2

50개 문제와 100분 시간 제한으로 실제 시험을 시뮬레이션하세요. AI 검증 답안과 상세 해설로 학습하세요.

50문제100분700/1000합격 점수

기출 문제 보기

AI 기반

3중 AI 검증 답안 및 해설

모든 답안은 3개의 최고 AI 모델로 교차 검증하여 최고의 정확도를 보장합니다. 선택지별 상세 해설과 심층 문제 분석을 제공합니다.

GPT Pro

Claude Opus

Gemini Pro

선택지별 상세 해설

심층 문제 분석

3개 모델 합의 정확도

기출 문제

문제 1

다음 HTTP 요청을 성공적으로 실행합니다. POST https://management.azure.com/subscriptions/18c51a87-3a69-47a8-aedc-a54745f708a1/resourceGroups/RG1/providers/ Microsoft.CognitiveServices/accounts/contoso1/regenerateKey?api-version=2017-04-18 Body{"keyName": "Key2"} 요청의 결과는 무엇입니까?

문제 분석

핵심 개념: 이 문제는 Azure Resource Manager (ARM) REST API를 사용하여 Azure Cognitive Services (Azure AI services) 계정에 대해 management-plane 키 교체를 테스트합니다. Cognitive Services 계정은 클라이언트 애플리케이션이 data-plane endpoint에 인증하는 데 사용하는 두 개의 access key(Key1 및 Key2)를 노출합니다. ARM 작업 regenerateKey는 이러한 계정 키 중 하나를 교체(rotate)하기 위한 것입니다. 정답인 이유: 요청은 다음을 호출합니다. POST .../Microsoft.CognitiveServices/accounts/contoso1/regenerateKey?api-version=2017-04-18 본문 {"keyName":"Key2"}와 함께. Cognitive Services에서 Key1은 일반적으로 primary key로, Key2는 secondary key로 취급됩니다. regenerateKey 작업은 지정된 키만 재생성(재설정)합니다. keyName이 Key2이므로, 서비스는 기존 Key2를 무효화하고 새로 생성된 Key2 값을 반환합니다. Key1은 변경되지 않습니다. 따라서 결과는 보조 subscription key가 재설정되었다는 것입니다. 주요 기능 / 모범 사례: 두 개의 키를 사용하면 다운타임을 최소화하면서 안전하게 키를 교체할 수 있습니다. 즉, 애플리케이션을 교체되지 않은 키를 사용하도록 업데이트한 다음 다른 키를 재생성하고, 이후 전환하여 반복합니다. 이는 Azure Well-Architected Framework 보안 지침(자격 증명 교체, least privilege, secret 위생)과 일치합니다. 프로덕션에서는 키를 Azure Key Vault에 저장하고 앱에서 이를 참조하는 것이 좋습니다(가능하면 managed identities 사용). 그러나 regenerateKey 호출 자체는 Key Vault에 secret을 생성하거나 저장하지 않습니다. 일반적인 오해: 일부는 “regenerateKey”를 두 키 모두를 교체하는 것으로 혼동하지만, 이는 이름으로 지정된 키만 대상으로 합니다. 또 다른 혼동은 Cognitive Services 계정 키를 “query keys”(Azure AI Search와 관련된 개념)와 혼동하는 것인데, 이는 서로 다른 리소스와 API입니다. 시험 팁: management-plane과 data-plane 작업을 구분하십시오. management.azure.com에서 regenerateKey 같은 provider action을 호출하는 것은 리소스 구성/자격 증명에 영향을 주는 ARM 작업입니다. 또한 두 키 교체 패턴을 기억하십시오. Key1 또는 Key2를 지정하면 해당 키만 변경됩니다. 질문에 Key Vault가 언급되면, 이는 일반적으로 별도의 단계(예: secret 저장/읽기)이며 키 재생성의 자동 결과가 아닙니다.

문제 2

Azure Cognitive Search에서 인덱싱을 위한 관리 포털로 사용되는 웹 앱을 배포합니다. 이 앱은 primary admin key를 사용하도록 구성되어 있습니다. 보안 검토 중에 검색 인덱스에 대한 무단 변경을 발견합니다. primary access key가 유출되었을 가능성이 있다고 의심합니다. 인덱스 관리 endpoint에 대한 무단 액세스를 방지해야 합니다. 솔루션은 다운타임을 최소화해야 합니다. 다음으로 무엇을 해야 합니까?

문제 분석

핵심 개념: Azure Cognitive Search는 관리 액세스가 필요한 애플리케이션을 중단 없이 운영할 수 있도록 두 개의 admin key를 제공합니다. admin key는 indexes, indexers 및 기타 search 리소스에 대한 전체 제어 권한을 허용하므로, 유출이 의심되면 즉시 rotation이 필요합니다. downtime을 최소화하는 가장 안전한 방식은 현재 사용 중이 아닌 key를 먼저 regenerate하고, 애플리케이션을 그 새 key로 전환한 다음, 유출이 의심되는 key를 regenerate하는 것입니다. 정답인 이유: 앱은 현재 primary admin key를 사용 중이며, 이 key의 유출이 의심됩니다. primary key를 먼저 regenerate하면 앱 구성이 업데이트될 때까지 즉시 액세스를 잃게 되어 downtime 위험이 커집니다. secondary key를 먼저 regenerate하면 새로운 유효한 admin credential을 만들 수 있고, 앱을 그 key로 전환한 뒤 유출이 의심되는 primary key를 regenerate하여 공격자의 액세스를 무효화할 수 있습니다. 주요 특징: - index 관리 작업에는 admin key가 필요하며, query key는 read-only입니다. - Azure Cognitive Search는 seamless rotation을 지원하기 위해 primary 및 secondary admin key를 모두 제공합니다. - key를 regenerate하면 해당 슬롯의 이전 값은 즉시 무효화됩니다. - service interruption을 최소화할 때는 사용하지 않는 key를 먼저 rotation하는 것이 표준 접근 방식입니다. 흔한 오해: 흔한 실수는 가장 긴급해 보인다는 이유로 유출이 의심되는 key를 먼저 regenerate하는 것이지만, 앱이 여전히 그 key를 사용 중이면 애플리케이션이 중단될 수 있습니다. 또 다른 오해는 query key를 admin key 대신 사용할 수 있다는 것이지만, query key는 관리 작업을 수행할 수 없습니다. 전체 rotation cycle을 명시적으로 완료해야 하는 경우가 아니라면 두 key를 즉시 모두 regenerate할 필요도 없습니다. 시험 팁: - key가 유출되었고 앱이 현재 그 key를 사용 중이라면, downtime이 허용되지 않는 한 먼저 regenerate하지 마세요. - primary/secondary key를 제공하는 Azure 서비스에서는 시험에서 보통 다음 순서를 기대합니다: 사용하지 않는 key를 rotation하고, 클라이언트를 전환한 다음, 기존 key를 rotation합니다. - query key는 search query 전용이며 administrative 변경에는 사용할 수 없다는 점을 기억하세요.

문제 3

다음은 Azure Cognitive Services 리소스를 프로그래밍 방식으로 생성하기 위한 C# 메서드입니다.

static void create_resource(CognitiveServicesManagementClient client, string resource_name, string kind, string account_tier, string location)
{
    CognitiveServicesAccount parameters =
        new CognitiveServicesAccount(null, null, kind, location, resource_name,
        new CognitiveServicesAccountProperties(), new Sku(account_tier));
    var result = client.Accounts.Create(resource_group_name, account_tier, parameters);
}

West US Azure region에서 무료 Azure 리소스를 생성하기 위해 이 메서드를 호출해야 합니다. 해당 리소스는 이미지의 캡션을 자동으로 생성하는 데 사용됩니다. 어떤 코드를 사용해야 합니까?

문제 분석

핵심 개념: 이 문제는 이미지 캡셔닝 시나리오에 맞는 올바른 Azure AI (Cognitive Services) 계정 유형("kind")과 SKU를 프로비저닝하는 방법을 평가합니다. 이미지 캡셔닝은 Computer Vision 기능(Image Analysis)이며, Azure AI services에서 ComputerVision kind로 프로비저닝됩니다. 정답이 맞는 이유: West US에서 캡션을 생성할 수 있는 무료 리소스를 만들려면 다음을 선택해야 합니다. 1) kind = "ComputerVision"(캡션 생성과 같은 이미지 분석 기능을 지원하는 서비스), 2) SKU = "F0"(무료 티어), 그리고 3) location = "westus". 옵션 A는 이 세 가지 요구 사항을 모두 충족합니다. 메서드 시그니처에서 매개변수는 직접 매핑됩니다: resource_name="res1", kind="ComputerVision", account_tier="F0", location="westus". 주요 기능 및 모범 사례: - Computer Vision(Image Analysis)은 캡셔닝(자연어 설명)과 함께 tags, objects, OCR, smart cropping 등의 기능을 제공합니다. AI-102에서는 캡셔닝이 Custom Vision(학습) 기능이 아니라는 점을 기억해야 합니다. - SKU 선택은 중요합니다: F0는 무료 티어(일반적으로 분당/일당 트랜잭션 제한이 있으며, 종종 subscription당 region/service별로 무료 계정 1개로 제한됨)입니다. S0는 유료 표준 티어입니다. - Region은 해당 서비스와 SKU를 지원해야 합니다. West US는 Computer Vision에 유효한 region이지만, 실제 배포에서는 regional availability와 quota 제한을 확인해야 합니다. - Azure Well-Architected Framework 관점에서: 워크로드에 맞는 올바른 서비스를 선택하고(performance efficiency), dev/test에는 최소 비용 티어를 사용하며(cost optimization), 프로덕션에서는 S0로의 확장/업그레이드를 계획합니다. 흔한 오해: - Custom Vision과 Computer Vision을 혼동: Custom Vision은 사용자 지정 이미지 분류/객체 감지 모델을 구축하고 호스팅하기 위한 것(학습 및 예측 리소스)입니다. Computer Vision/Image Analysis에 포함된 사전 구축 캡셔닝 기능은 제공하지 않습니다. - "더 강력하다"는 이유로 S0를 선택: 문제에서 무료 리소스를 명시적으로 요구하므로 F0가 필요합니다. 시험 팁: - 매핑을 암기하세요: 이미지 캡셔닝/설명 => ComputerVision kind(Image Analysis). CustomVision.* kind는 사용자 지정 모델 학습/예측용입니다. - SKU 키워드를 확인하세요: F0 = Free, S0 = Standard(유료). 또한 region 문자열이 Azure location 명명과 일치하는지 확인하세요(예: "westus").

문제 4

공개용 웹사이트의 비디오와 텍스트를 처리할 새로운 영업 시스템을 개발하고 있습니다. 영업 시스템이 사용자의 데이터를 처리했음을 사용자에게 알릴 계획입니다. 이는 책임 있는 AI 원칙 중 어떤 것을 충족하는 데 도움이 됩니까?

문제 분석

핵심 개념: 이 문제는 Responsible AI 원칙에 대한 이해를 평가합니다. 특히 사용자의 데이터(비디오/텍스트)가 AI-enabled 시스템에 의해 처리되었음을 사용자에게 알리는 것이 어떤 원칙에 해당하는지 묻습니다. 정답이 맞는 이유: 사용자에게 데이터가 처리되었음을 알리는 것은 시스템이 어떻게 동작하고 사용자 데이터가 어떻게 사용되는지에 대해 공개적으로 안내하는 사례입니다. 이는 transparency 원칙과 일치하며, transparency는 AI의 개입 여부, 데이터 사용, 시스템 동작에 대해 사용자에게 명확히 커뮤니케이션하는 것을 강조합니다. 대중을 대상으로 하는 시나리오에서 transparency는 종종 고지(disclosure)를 포함합니다(예: “AI가 사용됩니다”, “콘텐츠가 분석됩니다”, “처리가 수행되었습니다”). 이를 통해 사용자는 자동화된 처리에 대해 예상치 못한 놀람을 겪지 않게 됩니다. 주요 기능 / 구성: - 콘텐츠를 처리하는 데 AI가 사용된다는 사용자 대상 고지/알림 - 어떤 데이터(비디오, 텍스트)가 언제, 어떤 목적을 위해 처리되는지에 대한 명확한 설명 - 정확한 사용자 알림을 뒷받침하기 위한 감사 가능성/추적성 산출물(로그, 처리 상태) - 동의 및 개인정보 고지는 종종 transparency와 함께 제공되지만(서로 구분되는 개념) 흔한 오해: - transparency와 fairness를 혼동: fairness는 사용자에게 알리는 것이 아니라 집단 간 편향된 결과를 피하는 것에 관한 원칙입니다. - transparency와 reliability and safety를 혼동: reliability/safety는 견고하고 안전하며 보안적으로 안전한 운영에 초점이 있으며, 사용자 고지와는 다릅니다. - transparency와 inclusiveness를 혼동: inclusiveness는 접근성과 다양한 사용자를 위해 시스템이 잘 동작하도록 하는 것이지, 처리 사실을 커뮤니케이션하는 것이 아닙니다. 시험 팁: - Transparency = AI 사용을 고지하고, 결정/처리를 설명하며, 시스템 동작을 이해 가능하게 만듦. - Fairness = 편향을 완화하고 인구통계 전반에서 공정한 결과를 보장. - Inclusiveness = 접근성과 다양한 사용자 요구를 고려해 설계. - Reliability and safety = 견고성, 보안, 페일세이프, 예상 조건에서의 안전한 운영.

문제 5

(2개 선택)

URL 배열로부터 knowledge base를 생성할 Azure WebJob을 빌드하고 있습니다. 관련 API key를 가진 QnAMakerClient 객체를 인스턴스화하고, 해당 객체를 client라는 변수에 할당합니다. knowledge base를 생성하는 메서드를 개발해야 합니다. 메서드에 포함해야 하는 두 가지 작업은 무엇입니까? 각 정답은 솔루션의 일부를 제시합니다. 참고: 각 정답 선택은 1점입니다.

이동 중에도 모든 문제를 풀고 싶으신가요?

Cloud Pass를 다운로드하세요 — 모의고사, 학습 진도 추적 등을 제공합니다.

문제 6

당신은 한 회사 제품에 대한 리뷰를 기반으로 워드 클라우드를 생성하는 솔루션을 개발하고 있습니다. 어떤 Text Analytics REST API endpoint를 사용해야 합니까?

문제 분석

핵심 개념: 이 문제는 비정형 텍스트에서 의미 있는 용어를 추출하는 Azure AI Language(이전 명칭: Text Analytics) 기능을 평가합니다. 워드 클라우드는 일반적으로 코퍼스(예: 제품 리뷰)에서 가장 자주 등장하거나 가장 관련성이 높은 구/문구를 기반으로 생성됩니다. 이를 직접 지원하는 API 기능은 Key Phrase Extraction입니다. 정답이 맞는 이유: 리뷰로 워드 클라우드를 생성하려면 고객이 언급하는 주요 주제와 용어(예: “battery life”, “customer service”, “easy setup”)를 식별해야 합니다. 이를 위한 Text Analytics REST API endpoint는 keyPhrases(Key Phrase Extraction)입니다. 이 endpoint는 문서별로 관련성이 필터링된 key phrases 집합을 반환하므로, 워드 클라우드 가중치 산정(리뷰 전반에서 출현 횟수 집계, 필요 시 관련도 또는 리뷰 평점으로 가중치 부여)에 이상적인 입력이 됩니다. 주요 기능 / 모범 사례: Key Phrase Extraction은 다음을 수행할 때 가장 잘 동작합니다. - 정확도를 높이기 위해 올바른 language hint를 제공(또는 먼저 언어를 감지)합니다. - 텍스트 전처리(boilerplate 제거, 거의 동일한 리뷰 중복 제거)를 수행하여 클라우드가 왜곡되는 것을 방지합니다. - 문서 전반의 결과를 집계(구/문구 카운트, 대소문자 정규화, 필요 시 동의어 병합)합니다. Azure Well-Architected Framework 관점에서는 성능 효율성(서비스 제한 내에서 요청당 문서를 배치), 비용 최적화(필요하지 않은 sentiment 같은 호출 회피), 신뢰성(일시적 실패에 대한 재시도, throttling 처리)을 고려하십시오. 흔한 오해: Sentiment analysis는 리뷰와 자주 연관되지만, 워드 클라우드에 표시할 용어가 아니라 극성 점수(positive/neutral/negative)를 출력합니다. Entity recognition은 named entities(브랜드, 사람, 위치)를 추출할 수 있지만, 워드 클라우드를 유용하게 만드는 “fast shipping” 같은 설명적 구/문구를 놓칠 수 있습니다. Language detection은 전처리 단계로는 유용하지만, 클라우드를 위한 단어/구를 생성하지는 않습니다. 시험 팁: AI-102에서는 원하는 출력에 맞춰 올바른 Language 기능을 매핑하십시오. - “주요 용어/주제는 무엇인가?” -> keyPhrases - “사람들이 어떻게 느끼는가?” -> sentiment - “어떤 언어인가?” -> languages - “어떤 named entities가 언급되는가?” -> entities/recognition 또한 endpoint 명명은 API 버전에 따라 달라질 수 있지만, 기능 이름(Key Phrase Extraction)은 Azure AI Language 문서에서 일관되게 유지된다는 점을 기억하십시오.

문제 7

(2개 선택)

Microsoft Bot Framework SDK 및 Azure Bot Service를 사용하여 bot을 빌드합니다. Azure에 bot을 배포할 계획입니다. Bot Channels Registration 서비스를 사용하여 bot을 등록합니다. 배포를 완료하는 데 필요한 두 값은 무엇입니까? 각 정답은 솔루션의 일부를 제시합니다. 참고: 각 정답 선택은 1점입니다.

문제 8

(2개 선택)

Computer Vision client library를 사용하는 메서드를 개발하고 있습니다. 이 메서드는 이미지에서 optical character recognition (OCR)을 수행합니다. 메서드에는 다음 코드가 있습니다.

public static async Task ReadFileUrl(ComputerVisionClient client, string urlFile)
{
    const int numberOfCharsInOperationId = 36;

    var txtHeaders = await client.ReadAsync(urlFile, language: "en");

    string opLocation = textHeaders.OperationLocation;
    string operationId = opLocation.Substring(opLocation.Length - numberOfCharsInOperationId);

    ReadOperationResult results;
    
    results = await client.GetReadResultAsync(Guid.Parse(operationId));

    var textUrlFileResults = results.AnalyzeResult.ReadResults;
    foreach (ReadResult page in textUrlFileResults)
    {
        foreach (Line line in page.Lines)
        {
            Console.WriteLine(line.Text);
        }
    }

}

테스트 중에 GetReadResultAsync 메서드 호출이 read 작업이 완료되기 전에 발생하는 것을 발견했습니다. read 작업이 완료될 때까지 GetReadResultAsync 메서드가 진행되지 않도록 해야 합니다. 어떤 두 가지 작업을 수행해야 합니까? 각 정답은 솔루션의 일부를 제시합니다. 참고: 각 정답 선택은 1점입니다.

문제 9

참고: 이 질문은 동일한 시나리오를 제시하는 일련의 질문 중 하나입니다. 시리즈의 각 질문에는 명시된 목표를 충족할 수 있는 고유한 솔루션이 포함되어 있습니다. 일부 질문 세트에는 정답이 둘 이상 있을 수 있으며, 다른 세트에는 정답이 없을 수도 있습니다. 이 섹션에서 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 표시되지 않습니다. Azure Cognitive Search 서비스가 있습니다. 지난 12개월 동안 쿼리 볼륨이 꾸준히 증가했습니다. Cognitive Search 서비스에 대한 일부 검색 쿼리 요청이 제한(throttling)되고 있음을 발견했습니다. 검색 쿼리 요청이 제한(throttling)될 가능성을 줄여야 합니다. 솔루션: 더 높은 tier를 사용하는 Cognitive Search 서비스로 마이그레이션합니다. 이것이 목표를 충족합니까?

문제 분석

핵심 개념: 이 문제는 Azure Cognitive Search가 용량 한계와 throttling을 어떻게 처리하는지, 그리고 쿼리(읽기) 워크로드에서 throttling을 줄이기 위해 어떤 스케일링 조치가 효과적인지를 평가합니다. 정답이 맞는 이유: Azure Cognitive Search는 서비스 tier와 사용 가능한 replicas/partitions 수에 따라 요청 속도 및 리소스 한계를 적용합니다. Throttling은 일반적으로 서비스가 쿼리 처리 용량의 한계에 도달했거나 근접했을 때 발생합니다(예: 초당 요청 수가 너무 많음, CPU/메모리 압박이 큼, 동시 작업이 너무 많음). 더 높은 tier로 마이그레이션하면 사용 가능한 리소스와 더 높은 서비스 한계를 제공하므로, 증가한 쿼리 볼륨에서 throttling 임계값에 도달할 가능성이 줄어듭니다. 따라서 더 높은 tier로 이동하는 것은 throttling 위험을 줄이는 유효한 방법입니다. 주요 기능 / 구성: - Service tier는 전체 용량과 서비스 한계(예: 처리량, 스토리지, 성능 특성)를 결정합니다. - Replicas는 쿼리 처리량과 가용성을 확장합니다(더 많은 replicas = 더 많은 쿼리 용량). - Partitions는 인덱스/스토리지 및 ingestion 용량을 확장합니다(더 많은 partitions = 더 큰 인덱스 용량; 설계에 따라 성능에도 영향을 줄 수 있음). - Throttling은 보통 HTTP 429 (Too Many Requests)로 나타나며, scale up(tier) 및/또는 scale out(replicas)으로 완화할 수 있습니다. 흔한 오해: - Partitions가 주로 쿼리 throttling을 해결한다고 가정: partitions는 주로 인덱스 크기와 ingestion을 다루며, 쿼리 처리량의 주요 레버는 replicas입니다. - Throttling이 오직 클라이언트 측 문제라고 생각: 재시도/backoff가 도움이 되긴 하지만, 지속적인 throttling은 보통 서비스 용량 부족을 의미합니다. - Replicas를 늘릴 수 있으니 tier 변경은 무의미하다고 믿음: 일부 tier는 최대 replicas/partitions에 상한이 있고 성능 한계도 낮아, tier가 병목 요인이 될 수 있습니다. 시험 팁: - 문제가 쿼리 throttling이라면: replicas를 늘리고/또는 더 높은 tier로 이동을 고려하세요. - 문제가 indexing/스토리지 한계라면: partitions를 늘리고/또는 더 높은 tier로 이동을 고려하세요. - 시나리오에서 HTTP 429를 확인하세요. 이는 종종 용량 throttling 신호입니다. - Tier 업그레이드는 허용되는 최대 replicas/partitions를 높이고 처리량을 위한 여유(headroom)를 더 제공합니다.

문제 10

예측 유지보수를 수행할 계획입니다. 1년 동안 100대의 산업용 기계에서 IoT 센서 데이터를 수집합니다. 각 기계에는 50개의 서로 다른 센서가 있으며, 이 센서들은 1분 간격으로 데이터를 생성합니다. 총 5,000개의 time series 데이터셋이 있습니다. 기계 고장을 예측하는 데 도움이 되도록 각 time series에서 비정상적인 값을 식별해야 합니다. 어떤 Azure 서비스를 사용해야 합니까?

다른 모의고사

Practice Test #1

50 문제·100분·합격 700/1000

Practice Test #3

50 문제·100분·합격 700/1000

← 모든 Microsoft AI-102 문제 보기

지금 학습 시작하기

Cloud Pass를 다운로드하고 모든 Microsoft AI-102 기출 문제를 풀어보세요.

이동 중에도 모든 문제를 풀고 싶으신가요?

앱 받기

Cloud Pass를 다운로드하세요 — 모의고사, 학습 진도 추적 등을 제공합니다.

Cloud Pass

Microsoft AI-102

Practice Test #2

50개 문제와 100분 시간 제한으로 실제 시험을 시뮬레이션하세요. AI 검증 답안과 상세 해설로 학습하세요.

50문제100분700/1000합격 점수

기출 문제 보기

AI 기반

3중 AI 검증 답안 및 해설

모든 답안은 3개의 최고 AI 모델로 교차 검증하여 최고의 정확도를 보장합니다. 선택지별 상세 해설과 심층 문제 분석을 제공합니다.

GPT Pro

Claude Opus

Gemini Pro

선택지별 상세 해설

심층 문제 분석

3개 모델 합의 정확도

기출 문제

문제 1

문제 분석

문제 2

문제 분석

문제 3

다음은 Azure Cognitive Services 리소스를 프로그래밍 방식으로 생성하기 위한 C# 메서드입니다.

static void create_resource(CognitiveServicesManagementClient client, string resource_name, string kind, string account_tier, string location)
{
    CognitiveServicesAccount parameters =
        new CognitiveServicesAccount(null, null, kind, location, resource_name,
        new CognitiveServicesAccountProperties(), new Sku(account_tier));
    var result = client.Accounts.Create(resource_group_name, account_tier, parameters);
}

문제 분석

문제 4

문제 분석

문제 5

(2개 선택)

이동 중에도 모든 문제를 풀고 싶으신가요?

Cloud Pass를 다운로드하세요 — 모의고사, 학습 진도 추적 등을 제공합니다.

문제 6

문제 분석

문제 7

(2개 선택)

문제 8

(2개 선택)

public static async Task ReadFileUrl(ComputerVisionClient client, string urlFile)
{
    const int numberOfCharsInOperationId = 36;

    var txtHeaders = await client.ReadAsync(urlFile, language: "en");

    string opLocation = textHeaders.OperationLocation;
    string operationId = opLocation.Substring(opLocation.Length - numberOfCharsInOperationId);

    ReadOperationResult results;
    
    results = await client.GetReadResultAsync(Guid.Parse(operationId));

    var textUrlFileResults = results.AnalyzeResult.ReadResults;
    foreach (ReadResult page in textUrlFileResults)
    {
        foreach (Line line in page.Lines)
        {
            Console.WriteLine(line.Text);
        }
    }

}

문제 9

문제 분석

문제 10

다른 모의고사

Practice Test #1

50 문제·100분·합격 700/1000

Practice Test #3

50 문제·100분·합격 700/1000

← 모든 Microsoft AI-102 문제 보기

지금 학습 시작하기

Cloud Pass를 다운로드하고 모든 Microsoft AI-102 기출 문제를 풀어보세요.

이동 중에도 모든 문제를 풀고 싶으신가요?

앱 받기

Cloud Pass를 다운로드하세요 — 모의고사, 학습 진도 추적 등을 제공합니다.