IT・情報処理 / Microsoft Azure 認定

AI-900 Microsoft Certified: Azure AI Fundamentalsの無料問題集・例題・出題範囲

  • 418問
  • 5分野
  • 解説つき・無料で演習
  • 問題の最終更新:

出題範囲（5分野）

  • Artificial Intelligence のワークロードと考慮事項79問
  • Azure での機械学習の基本的な原則84問
  • Azure の Computer Vision ワークロードの機能85問
  • Azure の自然言語処理（NLP）ワークロードの機能85問
  • Azure での生成 AI ワークロードの機能85問

AI-900 Microsoft Certified: Azure AI Fundamentalsの例題（6問・解説つき）

スキルサートのAIが出題範囲に沿って作成した演習問題です（過去問ではありません）。アプリでは毎週新しい問題が追加されます。

例題1Artificial Intelligence のワークロードと考慮事項

住宅ローンの審査を行うAIシステムにおいて、特定の性別や人種が不当に低い評価を受けないように設計することを指す、Microsoftの「責任あるAI」の原則はどれか。

  1. 透明性
  2. 包括性
  3. 信頼性と安全性
  4. アカウンタビリティ
  5. 公平性
解答と解説を見る

正解: 公平性

正解は「公平性」です。公平性の原則は、AIシステムが特定の人種、性別、年齢、宗教などの個人的な属性に基づいて偏った判断を下さず、すべての利用者に対して公平な結果を提供することを保証するものです。AIモデルの学習に使用されるデータに歴史的な偏りがある場合、システムが不公平な判断を学習してしまうリスクがあるため、開発者はモデルの出力にバイアスがないかを注意深く検証する必要があります。これは、人間の尊厳を尊重し、社会的な機会を平等に提供するために不可欠な原則です。

例題2Azure での機械学習の基本的な原則

機械学習における特徴量エンジニアリングの一環として、数値データの「スケーリング（正規化）」を実施する主な目的は何ですか。

  1. モデルの学習時間を短縮するためにデータ行数を削減するため
  2. 異なる単位を持つ特徴量を同じ尺度に揃えて比較可能にするため
  3. データの分散を拡大することで外れ値の影響を最大化するため
  4. 自然言語データをモデルが理解できる数値形式に変換するため
  5. データセット内の欠損値を統計的な手法で補完するため
解答と解説を見る

正解: 異なる単位を持つ特徴量を同じ尺度に揃えて比較可能にするため

正解は「異なる単位を持つ特徴量を同じ尺度に揃えて比較可能にするため」です。機械学習モデルにおいて、例えば「年齢」と「年収」のように数値の範囲が大きく異なる特徴量が混在していると、数値が大きい特徴量がモデルの学習に支配的な影響を与えてしまうことがあります。スケーリング（正規化や標準化）を行うことで、すべての特徴量を共通の範囲（0から1など）に変換し、モデルが各特徴量の相対的な重要性を正しく評価できるようにします。これにより、勾配降下法などの最適化アルゴリズムの収束も速くなるメリットがあります。

例題3Azure の Computer Vision ワークロードの機能

小売店が店舗内に設置されたカメラからのリアルタイムビデオフィードを使用して、レジ待ちの列に並んでいる人数をカウントし、待ち時間を分析したいと考えています。Azure AI Vision のどの機能を活用すべきですか。

  1. 物体検出 (Object Detection)
  2. 光学文字認識 (OCR)
  3. 顔検出 (Face Detection)
  4. 空間分析 (Spatial Analysis)
  5. 画像のタグ付け (Image Tagging)
解答と解説を見る

正解: 空間分析 (Spatial Analysis)

正解は『空間分析 (Spatial Analysis)』です。Azure AI Vision の空間分析機能は、ビデオカメラからのリアルタイムビデオを解析して、デジタル空間内での人々の動きを理解するために設計されています。具体的には、特定のエリアに入った人数、列の待ち時間、エリア内の滞留時間などを計算できます。他の機能でも物体（人）を検出することは可能ですが、リアルタイムのビデオストリームに基づいた空間内での動線や滞留行動の分析には空間分析が最適です。

例題4Azure の自然言語処理（NLP）ワークロードの機能

顧客のレビューから「肯定的」「否定的」「中立的」な感情を特定するために使用する Azure AI Language の機能はどれか。

  1. 個人情報検出
  2. 感情分析
  3. 固有表現認識
  4. 言語検出
  5. キーフレーズ抽出
解答と解説を見る

正解: 感情分析

正解は「感情分析」です。感情分析は、提供されたテキストを分析し、文やドキュメント全体のトーンが肯定的、否定的、中立的、または混合しているかを判断する機能です。これにより、カスタマーサービスやソーシャルメディアのフィードバックから顧客の満足度や製品への反応を効率的に数値化することが可能になります。キーフレーズ抽出は主要な概念の特定、固有表現認識は固有名詞の特定に使用されるため、この目的には適しません。

例題5Azure での生成 AI ワークロードの機能

Azure OpenAI Serviceを使用して、チャットボットがユーザーの質問に対して毎回異なる表現で回答するように設定したいと考えています。モデルの応答の多様性やランダム性を高めるために調整すべきパラメーターはどれですか？

  1. Temperature
  2. Endpoint
  3. Scaling
  4. API Key
  5. Region
解答と解説を見る

正解: Temperature

正解は「Temperature」です。Temperature（温度）は、生成AIモデルが出力するテキストのランダム性や創造性を制御するための重要なパラメーターです。この値を高く設定（1に近づける）すると、モデルはより多様で意外性のある応答を生成しやすくなり、値を低く設定（0に近づける）すると、より確実性が高く、毎回同じような決定論的な応答を生成するようになります。Azure OpenAI Serviceでは、この他にTop-pというパラメーターでも同様の調整が可能です。

例題6Artificial Intelligence のワークロードと考慮事項

AI（人工知能）の一般的なワークロードの例として「誤っている」ものはどれか。

  1. 決定論的な数式のみを用いて会計処理の合計を計算する
  2. 自然言語のテキストを別の言語に翻訳する
  3. サーバーのログから異常なパターンを分析しアクセスを検知する
  4. 過去の販売トレンドデータから来月の売上を予測する
  5. 画像内の特定の物体を識別し座標を特定する
解答と解説を見る

正解: 決定論的な数式のみを用いて会計処理の合計を計算する

正解は「決定論的な数式のみを用いて会計処理の合計を計算する」です。AIワークロードの本質は、あらかじめ全てのルールを記述するのではなく、データからパターンを学習して予測や分類を行うことにあります。これに対し、決められた数式に従って一貫した計算を行うだけの処理は「従来の決定論的なプログラム」であり、AIの定義には含まれません。他の選択肢である翻訳（自然言語処理）、異常検知、物体検出（コンピュータービジョン）、売上予測（回帰分析）は、いずれもデータに基づいて判断を行う典型的なAIの活用例です。

AI-900 Microsoft Certified: Azure AI Fundamentalsの重要用語

機械学習 (Machine Learning)
データから学習して予測や分類を行うAIの基礎的な手法です。AzureではAzure Machine Learningを使用してモデルの構築、トレーニング、デプロイが可能です。明示的なプログラミングなしに、過去のデータパターンから新しいデータに対する結果を導き出すことが特徴で、回帰や分類、クラスタリングなどの手法があります。
回帰 (Regression)
過去のデータに基づき、数値を予測する機械学習の手法です。例えば、物件の広さや築年数から販売価格を予測する場合などに使用されます。出力が連続した数値であることが特徴です。AI-900試験では、予測対象が「数値」であるシナリオにおいて回帰を選択することが求められるため、この概念を正確に理解しておくことが重要です。
画像分析 (Computer Vision)
画像から視覚的な特徴を抽出するAzure AI サービスです。あらかじめ学習済みのモデルを使用し、物体の検出、画像のタグ付け、キャプションの生成、ブランドや著名人の特定などが可能です。特定のトレーニングを必要とせず、一般的な画像認識タスクをAPIを通じて迅速に実行できる点が大きな特徴です。
Azure AI Language
テキストデータを分析するための機能を統合したサービスです。感情分析、キーフレーズ抽出、名前付きエンティティ認識など、多様な自然言語処理機能を提供します。開発者はこのサービスを利用することで、アプリケーションにテキストの意図解釈や情報抽出の機能を容易に組み込むことができ、非構造化データの高度な活用が可能になります。
生成 AI (Generative AI)
学習データに基づいて新しいコンテンツ（テキスト、画像、音声、コードなど）を生成する人工知能の分野です。従来のAIがデータの分類や予測に特化していたのに対し、生成AIは「創造」を目的としています。AzureではAzure OpenAI Serviceを通じて、GPTシリーズなどの高度な生成モデルが提供され、ビジネスの効率化や自動化に活用されています。
異常検知 (Anomaly Detection)
時系列データやシステムログなどの中から、通常とは異なるパターンや外れ値を自動的に検出する手法です。主な用途として、クレジットカードの不正利用の発見、工場の製造ラインにおける機器の故障予兆検知などが挙げられます。Azure Metrics Advisorなどのサービスを通じて提供され、問題の早期発見に貢献します。
分類 (Classification)
データをあらかじめ定義されたカテゴリ（クラス）に分ける手法です。メールが「スパム」か「正常」かを判断したり、画像に写っているのが「犬」か「猫」かを判別したりします。出力がラベル（離散値）であることが特徴です。2つのクラスに分ける「二値分類」と、3つ以上のクラスに分ける「多クラス分類」の区別も試験の重要ポイントです。
Custom Vision
特定のニーズに合わせて独自の画像認識モデルを構築・改善できるサービスです。ユーザーが用意した画像データを使用して「画像分類」や「物体検出」のモデルをトレーニングできます。特定の製品の欠陥検査や、特定の野生動物の識別など、一般的なモデルでは対応できないドメイン固有の判定に最適です。

よくある質問

AI-900 Microsoft Certified: Azure AI Fundamentalsの問題はスキルサートで何問解けますか？
全418問・5分野の問題を用意しています。問題は出題範囲に沿って随時追加しています。
無料で使えますか？
無料プランで週10回の演習（1回10問）と、毎日の「今日の1問」を利用できます。解説を読み、わからない点はAIに質問できます。
ここの問題は過去問ですか？
過去問ではありません。出題範囲に沿ってAIが作成した演習問題です。すべて解説つきで、間違えた問題は繰り返し解けます。

AI-900 Microsoft Certified: Azure AI Fundamentalsの対策はアプリで

AIが毎週生成する新作問題・ランクマッチ・週次ランキング・AI診断で「続けられる」資格学習を。無料で始められます。

Download on the App Store Google Play で手に入れよう