AI-102: 마이크로소프트 Azure AI 솔루션 설계 및 구현 학습 가이드

시험 개요

• 인증: 마이크로소프트 Azure AI 엔지니어 어소시에이트
• 시험 코드: AI-102
• 대상 청중: Azure에서 AI 솔루션을 구축, 관리, 배포하는 AI 엔지니어
• 필요 경험: Python 또는 C# 개발, REST API/SDK, 책임감 있는 AI 원칙

측정 기술 (2025년 4월 30일 기준)

1. Azure AI 솔루션 계획 및 관리 (20-25%)

적절한 Azure AI 파운더리 서비스 선택

• 생성형 AI 솔루션을 위한 서비스 선택
• 컴퓨터 비전 솔루션을 위한 서비스 선택
• 자연어 처리 솔루션을 위한 서비스 선택
• 음성 솔루션을 위한 서비스 선택
• 정보 추출 솔루션을 위한 서비스 선택
• 지식 마이닝 솔루션을 위한 서비스 선택

Azure AI 파운더리 서비스 계획, 생성 및 배포

• 책임감 있는 AI 원칙을 준수하는 솔루션 계획
• Azure AI 리소스 생성
• 적절한 AI 모델 선택
• 적절한 배포 옵션을 사용하여 AI 모델 배포
• SDK와 API 설치 및 활용
• 서비스의 기본 엔드포인트 결정
• CI/CD 파이프라인에 Azure AI 파운더리 서비스 통합
• 컨테이너 배포 계획 및 구현

Azure AI 파운더리 서비스 관리, 모니터링 및 보안

• Azure AI 리소스 모니터링
• Azure AI 파운더리 서비스 비용 관리
• 계정 키 관리 및 보호
• Azure AI 파운더리 서비스 리소스에 대한 인증 관리

책임감 있는 AI 솔루션 구현

• 콘텐츠 중재 솔루션 구현
• 책임감 있는 AI 인사이트 구성(콘텐츠 안전성)
• 책임감 있는 AI 구현(콘텐츠 필터, 차단 목록)
• 해로운 동작 방지(프롬프트 실드, 해로운 행동 감지)
• 책임감 있는 AI 거버넌스 프레임워크 설계

2. 생성형 AI 솔루션 구현 (15-20%)

Azure AI 파운더리를 사용한 생성형 AI 솔루션 구축

• 생성형 AI 솔루션을 위한 계획 및 준비
• Azure AI 파운더리를 사용하여 허브, 프로젝트 및 리소스 배포
• 적절한 생성형 AI 모델 배포
• 프롬프트 흐름 솔루션 구현
• RAG 패턴 구현(데이터에 기반한 모델링)
• 모델 및 흐름 평가
• Azure AI 파운더리 SDK를 사용하여 애플리케이션에 프로젝트 통합
• 프롬프트 템플릿 활용

Foundry 모델에서 Azure OpenAI 사용

• Foundry 모델에서 Azure OpenAI 프로비저닝
• Azure OpenAI 모델 선택 및 배포
• 프롬프트를 제출하여 코드와 자연어 생성
• DALL-E 모델을 사용하여 이미지 생성
• 애플리케이션에 Azure OpenAI 통합
• 대규모 다중 모달 모델 사용
• Azure OpenAI 어시스턴트 구현

생성형 AI 솔루션 최적화 및 운영화

• 생성 동작을 제어하도록 매개변수 구성
• 모델 모니터링 및 진단 구성
• 배포 리소스 최적화 및 관리
• 추적 활성화 및 피드백 수집
• 모델 반사 구현
• 로컬 및 엣지 디바이스용 컨테이너 배포
• 여러 생성형 AI 모델의 오케스트레이션 구현
• 프롬프트 엔지니어링 기법 적용
• 생성형 모델 파인 튜닝

3. 대리 솔루션 구현 (5-10%)

맞춤형 에이전트 생성

• 에이전트의 역할과 사용 사례 이해
• 에이전트 구축을 위한 리소스 구성
• Azure AI Foundry Agent Service로 에이전트 생성
• Semantic Kernel 및 Autogen을 사용하여 복잡한 에이전트 구현
• 복잡한 워크플로우(오케스트레이션, 다중 에이전트, 자율) 구현
• 에이전트 테스트, 최적화 및 배포

4. 컴퓨터 비전 솔루션 구현 (10-15%)

이미지 분석

• 이미지 처리를 위한 시각적 특징 선택
• 객체 감지 및 이미지 태그 생성
• 처리 요청에 이미지 분석 기능 포함
• 이미지 처리 응답 해석
• Azure AI Vision을 사용하여 이미지에서 텍스트 추출
• 필기체 텍스트 변환

맞춤형 비전 모델 구현

• 이미지 분류와 객체 탐지 중 선택
• 이미지 레이블링
• 맞춤형 이미지 모델 학습
• 맞춤형 비전 모델 지표 평가
• 맞춤형 비전 모델 게시
• 맞춤형 비전 모델 사용
• 코드 우선 방식으로 맞춤형 비전 모델 구축

비디오 분석

• Azure AI Video Indexer를 사용하여 비디오/실시간 스트림 인사이트 확보
• Azure AI Vision Spatial Analysis를 사용하여 사람 감지 및 움직임 파악

5. 자연어 처리 솔루션 구현 (15-20%)

텍스트 분석 및 번역

• 핵심 구문 및 개체 추출
• 텍스트 감정 파악
• 언어 감지
• 개인 식별 가능 정보(PII) 감지
• Azure AI Translator를 사용하여 텍스트 및 문서 번역

음성 처리 및 번역

• 생성형 AI 음성 기능 통합
• 텍스트-음성 및 음성-텍스트 구현
• SSML을 사용하여 텍스트-음성 품질 향상
• 맞춤형 음성 솔루션 구현
• 의도 및 키워드 인식 구현
• 음성-음성 및 음성-텍스트 번역 구현

맞춤형 언어 모델 구현

• 의도, 개체 및 발화 생성
• 언어 이해 모델 학습, 평가, 배포 및 테스트
• 모델 최적화, 백업 및 복구
• 클라이언트 애플리케이션에서 언어 모델 사용
• 맞춤형 질문 답변 프로젝트 생성
• 질문-답변 쌍 추가 및 소스 가져오기
• 지식 베이스 학습, 테스트 및 게시
• 다중 턴 대화 생성
• 대체 구문 및 잡담 추가
• 지식 베이스 내보내기
• 다국어 질문 답변 솔루션 구현
• 맞춤형 번역 구현

6. 지식 마이닝 및 정보 추출 솔루션 구현 (15-20%)

Azure AI Search 솔루션 구현

• Azure AI Search 리소스 프로비저닝
• 인덱스 생성 및 기술 세트 정의
• 데이터 소스 및 인덱서 생성
• 기술 세트에 맞춤형 기술 구현
• 인덱서 생성 및 실행
• 인덱스 쿼리(구문, 정렬, 필터링, 와일드카드)
• Knowledge Store 투영 관리

의미론적 및 벡터 저장소 솔루션 구현

• 의미론적 검색 구성
• 벡터 검색 구현
• 하이브리드 검색 접근법

Azure AI Document Intelligence 솔루션 구현

• Document Intelligence 리소스 프로비저닝
• 사전 구축 모델을 사용하여 데이터 추출
• 맞춤형 문서 인텔리전스 모델 구현
• 맞춤형 모델 학습, 테스트 및 게시
• 복합 문서 인텔리전스 모델 생성

Azure AI Content Understanding으로 정보 추출

• 텍스트 추출을 위한 OCR 파이프라인 생성
• 문서 요약, 분류 및 속성 감지
• 개체, 테이블 및 이미지 추출
• 다양한 콘텐츠 유형 처리 및 수집

주요 Azure AI 서비스

Azure OpenAI Service

• GPT 모델(GPT-4, GPT-3.5)
• 이미지 생성을 위한 DALL-E
• 임베딩 모델
• 채팅 완성 API
• 기능 호출

Azure AI Vision

• 이미지 분석
• OCR(Read API)
• 맞춤형 비전
• Face API
• Video Indexer
• Spatial Analysis

Azure AI Language

• 텍스트 분석
• 언어 이해(LUIS)
• 질문 답변
• 번역기
• 맞춤형 개체명 인식

Azure AI Speech

• 음성-텍스트
• 텍스트-음성
• 음성 번역
• 화자 인식
• 맞춤형 음성

Azure AI Document Intelligence

• 사전 구축 모델(송장, 영수증, ID)
• 맞춤형 추출 모델
• Layout API
• 일반 문서 모델

Azure AI Search

• 전체 텍스트 검색
• 의미론적 검색
• 벡터 검색
• AI 엔리치먼트
• 지식 마이닝

중요 개념

책임감 있는 AI

• 공정성: 편향 방지
• 신뢰성 및 안전성: 일관된 성능
• 프라이버시 및 보안: 데이터 보호
• 포용성: 누구나 접근 가능
• 투명성: 설명 가능한 AI
• 책임성: 인간의 감독

생성형 AI 패턴

• RAG(Retrieval Augmented Generation)

  • 모델을 자사 데이터로 기반화
  • 환각 감소
  • 컨텍스트 제공

• 프롬프트 엔지니어링

  • 시스템 메시지
  • Few-shot 학습
  • 단계적 추론
  • 온도 및 top-p

에이전트 아키텍처

• 단일 에이전트: 단일 AI 에이전트가 작업 처리
• 다중 에이전트: 전문화된 여러 에이전트
• 오케스트레이션: 에이전트 조치 조정
• 자율: 자기 주도적 에이전트

개발 도구

SDK

• Python용 Azure SDK
• .NET용 Azure SDK
• JavaScript용 Azure SDK
• Java용 Azure SDK

REST API

• 인증(API 키, Azure AD)
• 요청/응답 형식
• 속도 제한
• 오류 처리

개발 환경

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

모범 사례

보안

• 관리 ID 사용
• API 키 정기적으로 교체
• 네트워크 격리 구현
• 진단 로깅 활성화
• Azure Key Vault 사용

성능

• 캐싱 구현
• 대량 작업에 배치 사용
• 적절한 계층/SKU 구성
• 할당량 및 제한 모니터링
• 프롬프트 길이 최적화

비용 관리

• 적절한 가격 책정 계층 선택
• 사용량 및 비용 모니터링
• 캐싱 전략 구현
• 예측 가능한 워크로드에는 약정 계층 사용
• 사용하지 않는 리소스 정리

학습 리소스

공식 Microsoft Learn

• AI-102 학습 경로
• Azure AI 서비스 문서
• 실습 랩
• 실습 평가

실습 연습

• Azure 무료 계정
• Azure AI Studio
• 샘플 애플리케이션
• GitHub 리포지토리

커뮤니티 리소스

• Microsoft Q&A 포럼
• AI/ML 기술 커뮤니티
• AI 쇼 동영상
• 문서 및 자습서

시험 세부 정보

• 통과 점수: 700점
• 문항 형식: 선택형, 사례 연구, 끌어다 놓기
• 시험 시간: 120분(비영어권 응시자 150분)
• 지원 언어: 다국어
• 시험 비용: 165달러(지역별 상이)

인증 경로

• 필수 요건: 개발 경험, REST API 지식
• 갱신: Microsoft Learn을 통해 12개월마다 필요
• 관련 인증:
  • Azure 데이터 과학자 어소시에이트(DP-100)
  • Azure 솔루션 아키텍트 전문가(AZ-305)
  • Azure 개발자 어소시에이트(AZ-204)