AI-102: Microsoft Azure AI エンジニア アソシエイト認定試験ガイド

試験概要

• 認定: Microsoft Azure AI エンジニア アソシエイト
• 試験コード: AI-102
• 対象者: Azure でAIソリューションを構築、管理、デプロイするAIエンジニア
• 必要な経験: Pythonまたはc#開発、REST API/SDK、責任あるAIの原則

評価される分野 (2025年4月30日現在)

1. Azure AIフォンドリーソリューションの計画と管理 (20-25%)

適切なAzure AIフォンドリーサービスの選択

• ジェネラティブAIソリューションのサービスの選択
• コンピュータービジョンソリューションのサービスの選択
• 自然言語処理ソリューションのサービスの選択
• 音声ソリューションのサービスの選択
• 情報抽出ソリューションのサービスの選択
• ナレッジマイニングソリューションのサービスの選択

Azure AIフォンドリーサービスの計画、作成、およびデプロイ

• 責任あるAIの原則を満たすためのソリューション計画
• Azure AIリソースの作成
• 適切なAIモデルの選択
• 適切なデプロイオプションを使用してAIモデルをデプロイ
• SDK およびAPIのインストールと利用
• サービスのデフォルトエンドポイントの特定
• CI/CDパイプラインにAzure AIフォンドリーサービスを統合
• コンテナーデプロイメントの計画と実装

Azure AIフォンドリーサービスの管理、モニタリング、およびセキュリティ

• Azure AIリソースの監視
• Azure AIフォンドリーサービスのコストの管理
• アカウントキーの管理と保護
• Azure AIフォンドリーサービスリソースの認証の管理

責任あるAIソリューションの実装

• コンテンツ審査ソリューションの実装
• 責任あるAIインサイトの構成 (コンテンツセーフティ)
• 責任あるAI (コンテンツフィルター、ブラックリスト) の実装
• 有害な行動の防止 (プロンプトシールド、ダメージ検知)
• 責任あるAIガバナンスフレームワークの設計

2. ジェネラティブAIソリューションの実装 (15-20%)

Azure AIフォンドリーでジェネラティブAIソリューションを構築

• ジェネラティブAIソリューションの計画と準備
• Azure AIフォンドリーでハブ、プロジェクト、およびリソースをデプロイ
• 適切なジェネラティブAIモデルをデプロイ
• プロンプトフローソリューションを実装
• データを基盤として使用するRAPパターンを実装
• モデルとフローを評価
• Azure AI Foundry SDKを使用してアプリケーションにプロジェクトを統合
• プロンプトテンプレートを利用

FoundryモデルでのAzure OpenAIの使用

• Foundryモデルで Azure OpenAIをプロビジョニング
• Azure OpenAIモデルを選択してデプロイ
• プロンプトを送信してコードと自然言語を生成
• DALL-Eモデルを使用して画像を生成
• アプリケーションにAzure OpenAIを統合
• 大規模な多様モデルを使用
• Azure OpenAI Assistantを実装

ジェネラティブAIソリューションの最適化と運用

• ジェネラティブな動作を制御するパラメーターを構成
• モデルのモニタリングと診断を構成
• デプロイメントリソースの最適化と管理
• トレースを有効化し、フィードバックを収集
• モデル反射を実装
• ローカルおよびエッジデバイス向けのコンテナーをデプロイ
• 複数のジェネラティブAIモデルのオーケストレーションを実装
• プロンプトエンジニアリング手法を適用
• ジェネラティブモデルのファインチューニング

3. エージェントツールソリューションの実装 (5-10%)

カスタムエージェントの作成

• エージェントの役割と用途の理解
• エージェント構築のためのリソースを構成
• Azure AI Foundry Agent Serviceでエージェントを作成
• Semantic Kernel と Autogenを使用してコンプレックスなエージェントを実装
• 複雑なワークフロー (オーケストレーション、マルチエージェント、自律型) を実装
• エージェントをテスト、最適化、デプロイ

4. コンピュータービジョンソリューションの実装 (10-15%)

画像の分析

• 画像処理の視覚的な特徴を選択
• オブジェクトの検出と画像タグの生成
• 画像処理リクエストに画像分析機能を含める
• 画像処理レスポンスを解釈
• Azure AI Visionを使用して画像からテキストを抽出
• 手書きテキストの変換

カスタムビジョンモデルの実装

• 画像分類とオブジェクト検出のどちらかを選択
• 画像にラベルを付ける
• カスタムイメージモデルをトレーニング
• カスタムビジョンモデルのメトリクスを評価
• カスタムビジョンモデルを公開
• カスタムビジョンモデルを利用
• コードファーストでカスタムビジョンモデルを構築

ビデオの分析

• Azure AI Video Indexerでビデオ/ライブストリームの洞察を使用
• Azure AI Vision Spatial Analysisを使用して人検出と動きを分析

5. 自然言語処理ソリューションの実装 (15-20%)

テキストの分析とトランスレーション

• キーフレーズとエンティティの抽出
• テキストの感情を判断
• 言語の検出
• 個人を特定できる情報(PII)の検出
• Azure AI Translatorを使用してテキストと文書を翻訳

音声の処理とトランスレーション

• 生成型AI音声機能を統合
• テキスト読み上げと音声認識を実装
• SSMLを使用してテキスト読み上げを改善
• カスタム音声ソリューションを実装
• インテントとキーワードの認識を実装
• 音声から音声、音声からテキストの翻訳を実装

カスタム言語モデルの実装

• インテント、エンティティ、発話を作成
• 言語理解モデルのトレーニング、評価、デプロイ、およびテスト
• モデルの最適化、バックアップ、回復
• クライアントアプリケーションからの言語モデルの利用
• カスタム質問応答プロジェクトの作成
• 質問回答ペアの追加とソースのインポート
• ナレッジベースのトレーニング、テスト、公開
• マルチターンの会話の作成
• 別の表現方法とチャットの追加
• ナレッジベースのエクスポート
• マルチ言語の質問応答ソリューションの実装
• カスタム翻訳の実装

6. ナレッジマイニングと情報抽出ソリューションの実装 (15-20%)

Azure AI Search ソリューションの実装

• Azure AI Search リソースのプロビジョニング
• インデックスの作成とスキルセットの定義
• データソースとインデクサーの作成
• スキルセットにカスタムスキルを実装
• インデクサーの作成と実行
• インデックスのクエリ (構文、並べ替え、フィルター、ワイルドカード)
• Knowledge Storeプロジェクションの管理

セマンティックおよびベクトルストアソリューションの実装

• セマンティック検索を構成
• ベクトル検索を実装
• ハイブリッド検索アプローチ

Azure AI Document Intelligence ソリューションの実装

• Document Intelligenceリソースのプロビジョニング
• 事前構築されたモデルをデータ抽出に使用
• カスタムドキュメントインテリジェンスモデルを実装
• カスタムモデルのトレーニング、テスト、公開
• 合成ドキュメントインテリジェンスモデルの作成

Azure AI Content Understandingでの情報抽出

• テキスト抽出用のOCRパイプラインの作成
• ドキュメントの要約、分類、属性の検出
• エンティティ、テーブル、画像の抽出
• 様々なコンテンツタイプの処理とインジェスト

主要なAzure AIサービス

Azure OpenAI Service

• GPTモデル (GPT-4、GPT-3.5)
• 画像生成のDALL-E
• 埋め込みモデル
• チャット補完API
• 関数呼び出し

Azure AI Vision

• 画像分析
• OCR (Read API)
• Custom Vision
• Face API
• Video Indexer
• Spatial Analysis

Azure AI Language

• Text Analytics
• Language Understanding (LUIS)
• Question Answering
• Translator
• Custom Named Entity Recognition

Azure AI Speech

• 音声認識
• 音声合成
• 音声翻訳
• スピーカー認識
• カスタム音声

Azure AI Document Intelligence

• 事前構築済みモデル (請求書、レシート、ID)
• カスタム抽出モデル
• Layout API
• 一般的なドキュメントモデル

Azure AI Search

• 全文検索
• セマンティック検索
• ベクトル検索
• AIエンリッチメント
• ナレッジマイニング

重要な概念

責任あるAI

• 公平性: バイアスを回避
• 信頼性とセーフティ: 一貫したパフォーマンス
• プライバシーとセキュリティ: データ保護
• 包摂性: すべての人に対するアクセス可能性
• 透明性: 説明可能なAI
• 責任性: 人間による監視

ジェネラティブAIパターン

• RAG (Retrieval Augmented Generation)

  • モデルをデータに基づいて基盤づける
  • 幻覚の削減
  • コンテキストの提供

• プロンプトエンジニアリング

  • システムメッセージ
  • Few-shot学習
  • 思考連鎖
  • 温度とトップP

エージェントアーキテクチャ

• シングルエージェント: タスクを処理する1つのAIエージェント
• マルチエージェント: 専門化した複数のエージェント
• オーケストレーション: エージェントの行動の調整
• 自律型: 自己指向型のエージェント

開発ツール

SDK

• Azure SDK for Python
• Azure SDK for .NET
• Azure SDK for JavaScript
• Azure SDK for Java

REST API

• 認証 (API キー、Azure AD)
• リクエスト/レスポンス形式
• レート制限
• エラー処理

開発環境

• Azure AI Studio
• Visual Studio Code
• Jupyter Notebooks
• Azure Machine Learning

ベストプラクティス

セキュリティ

• マネージドIDの使用
• API キーの定期的なローテーション
• ネットワーク分離の実装
• 診断ログの有効化
• Azure Key Vaultの使用

パフォーマンス

• キャッシング実装
• バルクオペレーションのバッチ処理
• 適切なティア/SKUの構成
• 割り当て枠とリミットの監視
• プロンプトの長さの最適化

コスト管理

• 適切な価格レベルの選択
• 使用状況とコストの監視
• キャッシング戦略の実装
• 予測可能な負荷向けのコミットメントレベルの使用
• 未使用リソースの削除

学習リソース

公式Microsoft Learn

• AI-102学習パス
• Azure AIサービスのドキュメンテーション
• ハンズオンラボ
• 練習用アセスメント

ハンズオンプラクティス

• Azure無料アカウント
• Azure AI Studio
• サンプルアプリケーション
• Githubリポジトリ

コミュニティリソース

• Microsoft Q&Aフォーラム
• AI/ML Tech Community
• AI Showビデオ
• ドキュメントとチュートリアル

試験の詳細

• 合格点: 700
• 問題形式: 選択式、ケーススタディ、ドラッグ&ドロップ
• 試験時間: 120分 (非母語話者は150分)
• 利用可能な言語: 複数言語
• 試験料: 165米ドル (地域によって異なる)

認定の道筋

• 前提条件: 開発経験、REST API知識
• 更新: Microsoftの学習によって12か月ごとに必須
• 関連する認定資格:
  • Azure Data Scientist Associate (DP-100)
  • Azure Solutions Architect Expert (AZ-305)
  • Azure Developer Associate (AZ-204)