ホーム ›
対応資格一覧 ›
AI-900 Microsoft Certified: Azure AI Fundamentals 出題範囲 Artificial Intelligence のワークロードと考慮事項 Azure での機械学習の基本的な原則 Azure の Computer Vision ワークロードの機能 Azure の自然言語処理（NLP）ワークロードの機能 Azure での生成 AI ワークロードの機能 例題に挑戦 スキルサートのAIが生成した演習問題のサンプルです。アプリでは毎週新しい問題が追加されます。
例題1 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？
Temperature Endpoint Scaling API Key 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2 生成AIワークロードにおいて、大量の会議録や長いレポートから重要なポイントを抽出し、簡潔な箇条書きに変換する機能として最も適切なものはどれですか？
固有表現認識 翻訳 要約 物体検出 感情分析 解答と解説を見る 正解: 要約
正解は「要約」です。生成AI、特に大規模言語モデル（LLM）が得意とするタスクの一つに「要約（Summarization）」があります。これは入力された長いテキストの文脈と主要な意味を理解し、その核心部分を短くまとめる機能です。会議の議事録作成や長い文書のポイント抽出などに広く活用されています。感情分析はテキストのトーンを判定するもの、翻訳は言語を変換するもの、物体検出は画像内のアイテムを特定するものであり、この設問の意図には合致しません。
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。
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。
コンピュータービジョン (Computer Vision) 画像や動画をAIが解析し、視覚的な情報を理解するための技術です。Azure AI VisionやFaceなどのサービスが含まれます。物体の検出、テキストの読み取り（OCR）、顔認識、画像の分類などが代表的なタスクであり、自動運転やセキュリティ、製造現場の検品など、幅広い分野で活用されています。
自然言語処理 (Natural Language Processing) テキストや音声といった人間が日常的に使用する言語（自然言語）をコンピューターに理解、解釈、生成させる技術です。Azure AI Languageなどのサービスが該当します。具体的な活用例には、自動翻訳、文章の要約、感情分析、キーフレーズの抽出などがあり、大量のテキストデータから価値ある情報を引き出すことができます。
対話型AI (Conversational AI) チャットボットや音声アシスタントのように、人間とコンピューターが自然な対話を行えるようにするAI技術です。Azure AI Bot Serviceなどのサービスを利用して構築されます。顧客からの問い合わせ対応の自動化（Q&A）や、タスクの実行支援などに利用され、ユーザーエクスペリエンスの向上と業務効率化の両立を目指します。
責任あるAI (Responsible AI) AIを開発・利用する際に遵守すべき倫理的および社会的な指針です。Microsoftは「公平性」「信頼性と安全性」「プライバシーとセキュリティ」「包括性」「透明性」「アカウンタビリティ（責任）」の6つの原則を掲げています。AIが社会に悪影響を与えないよう、設計段階からこれらの原則を考慮することが求められます。
公平性 (Fairness) AIシステムが性別、人種、年齢、宗教などの特定の属性を持つ個人やグループに対して、偏見に基づいた不利益や差別を与えないことを保証する原則です。学習データに偏りがある場合、AIの予測結果も偏る可能性があるため、データの選定やモデルの検証において、バイアスを最小限に抑える取り組みが不可欠となります。
透明性 (Transparency) AIシステムがどのように動作し、どのようなデータに基づいて特定の判断や予測を下したのかを、人間が理解し説明できるようにする原則です。ブラックボックス化を防ぐことで、AIの出力結果に対する信頼性を高めることができます。これには、使用されたアルゴリズムの説明や、判断の根拠となる要素の明示などが含まれます。 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。
