📝
AI-900 資格試験対策コース
本記事は、Kikagaku の無料講座「AI-900 資格試験対策コース」の講義ノートです。講義自体が 2021 年度基準なので、2023 年 5 月 4 日に更新された出題範囲と合わない部分があります。講義は軽く聞いて、なるべく Microsoft learn を中心に勉強することをおすすめします。
[!Important]+ Goals
AI に関する基礎知識を習得した状態。
- クラウドに関する基礎知識を習得した状態
- AI-900 の試験範囲を習得した状態
[!info]+ Subject
AI-900 受験予定の方
AI の全体像について学びたい方。
プログラミングまでする必要はないが、IT 領域の知識を持つ必要がある方 > - プログラミングまでする必要はないが、IT 領域の知識を持つ必要がある方
[!abstract]+カリキュラム
1.イントロ
2.AI入門
3. MSと AI
4. Azure AIサービス
5. Cognitive Services
6.模擬テスト
7.資格取得に向けて
#ノート
1時間程度の動画。
最近の出題範囲については Microsoft Learnで補足。
本講義にない内容
出題範囲 (2023-05-04)
| 評価スキル | 割合 (%) |
|---|---|
| AIワークロードと考慮事項 | 20-25 |
| Azureでの機械学習の基本原則 | 25-30 |
| Azureの Computer Vision Workroad | 15-20 |
| Azureの NLP Workroad | 25-30 |
人工知能ワークロードと考慮事項の説明 (20~25%)
- Anomaly Detectorワークロードの機能識別** :システムのエラーや異常な活動を自動的に検出する機能。
- クレジットカードの異常使用、製造異常検出、異常兆候発生前の警告など。
- Computer Visionワークロードの識別
- 自然言語処理ワークロードの識別
- 知識マイニングワークロードの識別** : 大容量の非定型データから情報を抽出し、検索可能な知識ストアを作成する機能
- Azure Cognitive Search
責任ある AIのための指導原則の把握
- AIソリューションの公平性に関する考慮事項の説明
- AIソリューションの安定性及び安全性に関する考慮事項の説明
- AIソリューションのプライバシー及びセキュリティに関する考慮事項の説明
- AIソリューションの包摂性に関する考慮事項の説明
- AIソリューションの透明性に関する考慮事項の説明
- AIソリューションの責任に関する考慮事項の説明
Azureでの機械学習の基本原則の説明 (25~30%)
一般的な機械学習タイプの特定
- 回帰機械学習シナリオの識別
- 分類機械学習シナリオの識別
- クラスタリング機械学習シナリオの識別
####コア機械学習の概念の説明
- 機械学習のためのデータセットの機能とラベルの識別方法
- 機械学習で学習および検証データセットを使用する方法を説明します。
Azure Machine Learning Studioのビジュアルツール機能の説明 ####。
- 自動化された機械学習
- Azure Machine Learningデザイナー
Azureでの Computer Visionワークロードの機能説明 (15~20%)
一般的なタイプのコンピュータビジョンソリューションの特定
- 画像分類ソリューションの機能識別
- オブジェクト検出ソリューションの機能識別
- 光学式文字認識ソリューションの機能識別
- 顔検出・顔解析ソリューションの機能識別
Computer Visionタスクの Azureツールとサービスを特定するための Azureツールとサービス
- Computer Visionサービスの機能識別
- Custom Visionサービスの機能識別
- Faceサービスの機能識別
- Form Recognizerサービスの機能識別** : Azureの Form Recognizerサービスは、OCR（光学式文字認識）を使用してフォームのフィールドをデジタル化することで、この問題を解決することができます。Azureの OCR技術は、キー、値のペアなどの形式からコンテンツと構造を抽出します（例：Quality: 3）。
Azureでの NLP(自然言語処理)ワークロードの機能説明 (25~30%)
一般的な NLPワークロードシナリオの機能を特定します。
- 核心フレーズ抽出の機能と用途の特定
- エンティティ認識の機能と用途の特定
- 感情分析の機能と用途の特定
- 言語モデリングに関する機能および用途の特定
- 音声認識及び合成の機能及び用途の特定
- 翻訳の機能と用途の特定
NLPワークロードのための Azureツールとサービスを特定します。
- 言語サービスの機能識別
- Speech Serviceの機能識別
- Translatorサービスの機能識別
Azureで対話型 AIソリューションの考慮事項を特定する####。
- ボットの機能と使用の識別
- Power Virtual Agentsと Azure Bot Serviceの機能を特定する**。
Intro
コース概要
- 受講後の理想の姿
- AI-900合格のための知識がある
- Azureの AIサービスについて理解している
- 機械学習の基礎知識がある
試験概要
-
Azure AIサービス：Azure AIサービスを理解し、各サービスの特徴を理解する
-
AI・機械学習：AI・機械学習とは何かを理解する。
-
AIソリューション：AIのビジネス活用方法を理解する。
-
上位資格 : AI-100, AZ-220など
- AI-100 : Azureを利用した課題解決に特化した試験です。
- AZ-220 : Azure IoT開発者対象
-
出題範囲 (21年 1月 27日)
| 評価スキル | 割合 (%) |
|---|---|
| AIワークロードと考慮事項 | 15-20 |
| Azureでの機械学習の基本原則 | 30-35 |
| Azureの Computer Vision Workroad | 15-20 |
| Azureの NLP Workroad | 15-20 |
| Azure Conversational AI Workroad | 15-20 |
- 出題形式
| 概要 | 詳細 |
| -------- | -------------------------------------------------------------- |
| 問題数 | 50問前後 |
| 問題形式 | 選択肢、ドロップダウンリスト、クリック、ドラッグアンドドロップ |
| 試験方法 | CBT |
| 試験時間 | 60分 |
| 合格点 | 700 / 1000 |
~~AI入門
簡単なのでパス
MSと AI
- AIの課題とリスク
- AIによって重大な推論的影響や損害が発生する可能性がある。
- AIが社会的なバイアスやその他のバイアスを強固にする可能性がある。
- 機密データが公開される可能性がある
- ソリューションが誰にでも適用可能ではない
- AI主導の意思決定について責任を負うのは誰か？
- MSの 6つの基本原則：AIの社会的な影響、および AI 技術の意図しない結果を予測し、軽減する。
- 公平性：AIが不当な優位性、不利益をもたらすべきでない。
- 信頼性と安全性：AIは信頼され、予測できない状況下でも安全に機能しなければならない。
- セキュリティとプライバシー：個人情報の保護を適切に行う。
- 包括性：複数の人に対して多様性のある設計を行う。
- 透明性：AIの判断基準を人々が理解できるようにする。
- 説明責任：AIを展開する人々は、システムの作動について説明責任を負う。
Azure AIサービス
Azure AIサービス
AIのための Scalerableで信頼性の高いクラウドプラットフォーム
- Scalerable : ITシステムの負荷が変動しても一定の処理能力を維持すること。
- 主な機能 : Data Strage、計算機、サービス
- 代表的なサービス: Azure ML, Cognitive Services
- Azure ML : 機械学習モデルのトレーニング、デプロイ及び管理のためのプラットフォーム。
- ウェブに公開（デプロイ）が可能で、デプロイしたモデルの管理も可能。
| 機能 | 能力 |
|---|---|
| Azure ML Designer | 機械学習ソリューションのコードレス開発を可能にする GUIサービス |
| 自動機械学習 | コードレスでデータから効果的な機械学習モデルを迅速に作成 |
- Cognitive Services : 開発者が AIソリューションの構築に使用可能な一連のサービス。
Azure Machine Learning Designer
ドラッグ＆ドロップでモデル構築可能 (コードレス)、コンテストで優勝したモデルの利用や転移学習が可能。
- モデル構築手順
- データセット準備 :モデル構築に使用するデータをドラッグ＆ドロップします。
- データ前処理 :モデルが学習可能な形に変換
- データセットの分割 : 正確な検証のためのデータ分割
- アルゴリズム選定 : 学習に使用するアルゴリズムを選択
- モデルトレーニング: 目標値を選択して学習
- モデル Score : 学習されたモデルを使用して予測
- モデル評価 :どの程度予測が当たるか集計
- 分類 : 精度、適合率、再現性など。
- 回帰 : #MAE, #MSE, #RMSE, 決定係数 #R_Square
自動機械学習
- 機械学習からハードワークを取り除く。
- 例えば、データ前処理、アルゴリズム選定、ハイパーパラメータチューニングなど。
コグニティブサービス
視覚サービス
主に画像解析。不良品検出、文字認識など。
- Computer Vision : 画像を読み込むだけでテキスト抽出、画像の説明生成などの高度な分析が可能。不要なコンテンツからユーザーを保護するフィルタリング機能も備える。
- 画像分類（犬 or猫）、物体検出、画像解釈（画像説明）、顔検出と認識、OCR。
- Custom Vision : Computer Visionとは異なり、自作の画像分類モデルを構築することが可能なサービス。コードを書かずに画像にタグを付けるだけで簡単に作成可能。
- 画像分類モデルの作成、物体検出モデルの作成、目標値の作成。
- Face : 画像分類モデルを構築することが可能なサービス。コードを書かずに画像にタグを付けるだけで簡単に作成可能。
- 高度な顔検出（年齢、表情、感情など）、顔情報を利用した認証と検証が可能。
- Video Indexer : 動画ファイルからハイライト、文字テキスト、有名人などを自動的に検出。また、事前に人物を登録することで人物識別が可能。
- 映像中の顔・物体の検出・識別、人物の感情認識、音声認識・翻訳。
Cognitive Services の仕組み
- 特徴
- 事前に構築したサービス
- 機械学習の専門知識がなくても利用可能。
- APIを使用するには認証キーと RESTエンドポイントが必要です。
音声サービス
- Speech Translation : 30以上の言語の音声を翻訳。特定の用語に合わせて翻訳をカスタマイズ可能。
- テキストのリアルタイム翻訳は Translatorを使用。
- Text to Speech : 200種類以上の音声と 50以上の言語やバリエーションから選択可能、人工的にテキストを自然に話すアプリやサービスを構築可能。
- テキストを音声に変換：オーディオコントロール、多言語対応。
- Speech to Text : 85以上の言語に対応した音声をテキストに変換。韓国語、日本語などの文法が複雑な言語にも対応。
- 音声をテキストに変更：カスタマイズ変換、ノイズ除去。
- Speaker Recognition : 登録された話者のグループから話者を識別。それぞれの話者に音声属性を関連付けて、音声認識に使用することも可能。
- 話者識別、話者認証
言語サービス
- Immersive Reader :あらゆるユーザーに対して、読み取り機能や言語翻訳のほか、ハイライト表示やその他のデザイン要素によって文章読解の補助を行う機能を提供。
- 読み取り、翻訳、特定のテキストの強調、語句の可視化。
- Text Analytics : 自然言語処理を利用して文書内の Sentiment（感情）、Entity（キーワード）、関係などの情報分析。文章の要約などに役立つ。
- 言語検出、キーワード抽出、評判判定 (レビュー分析など)
- Translator :テキストのリアルタイム翻訳
- QnA Maker : 半構造化コンテンツから質問と回答を抽出し、知識ベースを構築することが可能。Azure Bot Serviceを使うことでボット作成が可能。
- 自動回答、ナレッジベース
- Azure Bot Service : Skype・LINEなどのアプリに組み込んだ QnA Makerで作成したナレッジベースの管理。ナレッジベースを元に Botアプリを作成。
- Language Understanding (LUIS) : 文の中の意図を解釈し、会話から重要な情報を抽出する。カスタム機械学習言語モデルをコードを使わずに構築可能。
- 意図理解、情報抽出
模擬テスト
| Test | Score |
|---|---|
| Test 1 | 3/4 |
| Test 2 | 4/4 |
| Test 3 | 4/4 |
| Test 4 | 4/4 |
| Test 5 | 4/4 |
資格取得に向けて
- 資格取得に向けて
- AI-900資格ページの確認
- MS learn で学習
- MS Azure 無料体験版を取得
- 受験後
- AI-900 資格取得
- Azure と AI について理解
- サービス利用可能
Discussion