-
1. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。言語サービスでは、 ユーザーの発話の意図を判断できる。
いいえ
はい1. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。言語サービスでは、 ユーザーの発話の意図を判断できる。
いいえ
👌はい
〇正解の理由
Microsoft Azure では、言語サービスを通じて、会話言語理解がサポートされています。
会話言語理解を使うには、"発話"、"エンティティ"、"意図" という 3 つの主要な概念を考慮する必要があります。
✅解き方のヒント
言語サービスの提供する機能についての設問です。
「意図」というキーワードより、設問に回答することが可能です。
https://learn.microsoft.com/ja-jp/training/modules/create-language-model-with-language-understanding/1-introduction -
2. 次のシナリオについて、生成 AI ソリューションの潜在的な危害を軽減する適切なレイヤーを選択してください。コンテンツ フィルター
モデル
メタプロンプトおよびグラウンディング
安全システム
ユーザー エクスペリエンス2. 次のシナリオについて、生成 AI ソリューションの潜在的な危害を軽減する適切なレイヤーを選択してください。コンテンツ フィルター
モデル
メタプロンプトおよびグラウンディング
👌安全システム
ユーザー エクスペリエンス
〇正解の理由
生成 AI ソリューションの潜在的な危害を軽減するには、次に示すように、4 つの層のそれぞれに軽減手法を適用できる階層化アプローチを使用する必要があります。
モデル
安全システム
メタプロンプトおよびグラウンディング
ユーザー エクスペリエンス
安全システム層には、危害の軽減に役立つプラットフォームレベルの構成と機能が含まれます。 たとえば、Azure OpenAI Service では、"コンテンツ フィルター" がサポートされています。これは、基準を適用し、潜在的な危害の 4 つのカテゴリ ("ヘイト"、"性的"、"暴力"、"自傷行為") について、コンテンツを 4 つの重大度レベル ("安全"、"低"、"中"、"高") に分類し、それに基づいてプロンプトと応答を抑制します。
その他の安全システム レイヤーの軽減策には、ソリューションが (たとえば、ボットからの大量の自動要求を通して) 体系的に不正使用されているかどうかを特定するための不正使用検出アルゴリズムや、潜在的なシステムの不正使用や有害な動作への迅速な対応を可能にするアラート通知などが含まれます。
https://learn.microsoft.com/ja-jp/training/modules/responsible-generative-ai/5-mitigate-harms
-
3. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。Azure Machine Learning デザイナーでは、 機械学習モデルを構築、テスト、デプロイするためのドラッグアンドドロップ式のビジュアルキャンパスが提供される。
はい
いいえ3. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。Azure Machine Learning デザイナーでは、 機械学習モデルを構築、テスト、デプロイするためのドラッグアンドドロップ式のビジュアルキャンパスが提供される。
👌はい
いいえ
〇正解の理由
デザイナーでパイプラインを編集している間、進捗はパイプラインのドラフトとして保存されます。 コンポーネントの追加または削除、コンピューティング先の構成、パラメーターの作成などを行って、パイプラインのドラフトをいつでも編集することができます。
✅解き方のヒント
Azure Machine Learning デザイナーについての設問であり、Microsoft Learnにはない範囲となります。
Azure Machine Learning デザイナーに関する設問は頻出ですので、抑えておきましょう。
https://learn.microsoft.com/ja-jp/azure/machine-learning/concept-designer#pipeline-draft -
4. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。症状と診断検査結果に基づいて似ている患者をグループ化することは、クラスタリングの一例である。
はい
いいえ4. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。症状と診断検査結果に基づいて似ている患者をグループ化することは、クラスタリングの一例である。
👌はい
いいえ
〇正解の理由
クラスタリング: 類似する情報をラベル グループにグループ化してラベルを決定するために使用されます (鳥から種への、測定値のグループ化など)。
✅解き方のヒント
機械学習の回帰、分類、クラスタリングの3種類は必ず抑えておきましょう。
迷った場合は、以下のキーワードで選択肢を選びましょう。
数値→回帰
「かどうか」「区分」→分類
グループ化→クラスタリング
https://learn.microsoft.com/ja-jp/training/modules/use-automated-machine-learning/2-what-is-ml -
5. あなたの会社では、来月に売れる Microsoft 365 のライセンス数を予測し、仕入れを行う必要あります。どの種類の機械学習を使用する必要がありますか。
回帰
分類
クラスタリング5. あなたの会社では、来月に売れる Microsoft 365 のライセンス数を予測し、仕入れを行う必要あります。どの種類の機械学習を使用する必要がありますか。
👌回帰
分類
クラスタリング
〇正解の理由
回帰: 継続的な値を予測するために使用されます (価格、売上の合計、その他の測定値など)。
✅解き方のヒント
「ライセンス数」という記載より、回帰が正解となります。
機械学習の回帰、分類、クラスタリングの3種類は必ず抑えておきましょう。
迷った場合は、以下のキーワードで選択肢を選びましょう。
数値→回帰
「かどうか」「区分」→分類
グループ化→クラスタリング
https://learn.microsoft.com/ja-jp/training/modules/use-automated-machine-learning/2-what-is-ml -
6. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。Azure Machine Learning デザイナーでは、 カスタム JavaScript 関数を組み込むことができる。
はい
いいえ6. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。Azure Machine Learning デザイナーでは、 カスタム JavaScript 関数を組み込むことができる。
はい
👌いいえ
〇正解の理由
Azure Machine Learning デザイナーは、コードなしのモデルでドラッグ アンド ドロップを使用したり、Python と R コードを使用してカスタマイズしたりすることができます。
✅解き方のヒント
Azure Machine Learning デザイナーが対応している言語はPythonとRのように、機械学習に関する言語のみであり、Javascriptには対応していません。
Azure Machine Learning デザイナーについての設問であり、Microsoft Learnにはない範囲となります。
Azure Machine Learning デザイナーに関する設問は頻出ですので、抑えておきましょう。
https://azure.microsoft.com/ja-jp/products/machine-learning/designer/ -
7. 次のシナリオについて、生成 AI ソリューションの潜在的な危害を軽減する適切なレイヤーを選択してください。生成 AI モデル
メタプロンプトおよびグラウンディング
ユーザー エクスペリエンス" レイヤー
安全システム
モデル7. 次のシナリオについて、生成 AI ソリューションの潜在的な危害を軽減する適切なレイヤーを選択してください。生成 AI モデル
👌メタプロンプトおよびグラウンディング
ユーザー エクスペリエンス" レイヤー
👌安全システム
👌モデル
〇正解の理由
生成 AI ソリューションの潜在的な危害を軽減するには、次に示すように、4 つの層のそれぞれに軽減手法を適用できる階層化アプローチを使用する必要があります。
モデル
安全システム
メタプロンプトおよびグラウンディング
ユーザー エクスペリエンス
モデル層は、ソリューションの中心となる生成 AI モデルで構成されます。 たとえば、ソリューションは、GPT-4 などのモデルを中心に構築されます。
モデル層で適用できる軽減策としては、次のようなものがあります。
目的のソリューションの用途に適したモデルの選択。 たとえば、GPT-4 は強力で汎用性の高いモデルですが、小さな特定のテキスト入力を分類するためだけに必要なソリューションでは、より単純なモデルの方が、有害なコンテンツ生成のリスクを低減しながら必要な機能を提供する可能性があります。
独自のトレーニング データによる基本モデルの "微調整"。これにより、生成される応答は、ソリューション シナリオとの関連性が高まり、応答の範囲が絞り込まれる可能性が高くなります。
https://learn.microsoft.com/ja-jp/training/modules/responsible-generative-ai/5-mitigate-harms -
8. 人間の顔が撮影された写真について、ぼかし、露出、ノイズに関するフィードバックを提供可能な AI ソリューションは次のうちどれですか。
Vision Studio
音声
Face8. 人間の顔が撮影された写真について、ぼかし、露出、ノイズに関するフィードバックを提供可能な AI ソリューションは次のうちどれですか。
Vision Studio
音声
👌Face
〇正解の理由
Face では、画像内で検出された人間の顔の四角形の座標と、次のようなこれらの顔に関連する一連の属性が返されます。
・ぼかし: 顔がどの程度ぼやけているか (顔が画像でどの程度のメイン フォーカスになっているかを示します)
・露出: 露出不足または露出過度などの側面。画像全体の露出ではなく、画像内の顔にあてはまります
・眼鏡: 人物が眼鏡をかけているかどうか
・頭部姿勢: 3D 空間での顔の向き
・ノイズ: 画像内の視覚ノイズを示します。 画像のこのノイズは、暗い設定用に ISO の設定を高くして写真を撮った場合に見られます。 画像が粗く見えたり、小さいドットが一杯だと、画像は不明瞭になります
・妨害: 画像内の顔をブロックしているオブジェクトがあるかどうかを判断します
https://learn.microsoft.com/ja-jp/training/modules/detect-analyze-faces/2-face-analysis-azure -
9. 回答を選択し、文章を正しく作成してください。人間の脳が学習する方法をエミュレートした機械学習のプロセスは[選択肢]と呼ばれている。
ディープラーニング
生成 AI
回帰
クラスタリング9. 回答を選択し、文章を正しく作成してください。人間の脳が学習する方法をエミュレートした機械学習のプロセスは[選択肢]と呼ばれている。
👌ディープラーニング
生成 AI
回帰
クラスタリング
〇正解の理由
"ディープ ラーニング" は、機械学習の高度な形式であり、人間の脳が学習する方法をエミュレートしようとします。 ディープ ラーニングの鍵となるのは、次に示すように、数学関数を使用して生体ニューロンの電気化学活性をシミュレートする人工 "ニューラル ネットワーク" の作成です。
✅解き方のヒント
「人間の脳が学習する方法」という記載から、簡単に「ディープラーニング」を導き出すことが可能です。
https://learn.microsoft.com/ja-jp/training/modules/fundamentals-machine-learning/8-deep-learning?ns-enrollment-type=learningpath&ns-enrollment-id=learn.wwl.get-started-with-artificial-intelligence-on-azure -
10. あなたは、顧客満足度を高めるためにチャット ボット サービスの導入を検討しています。自然言語を入力として、ナレッジベースにクエリを実行できるボットを開発することを計画しています。どのサービスをソリューションに含めますか。（2つ選択）
言語サービス
Document Intelligence
Anomaly Detector
Azure AI Bot Service10. あなたは、顧客満足度を高めるためにチャット ボット サービスの導入を検討しています。自然言語を入力として、ナレッジベースにクエリを実行できるボットを開発することを計画しています。どのサービスをソリューションに含めますか。（2つ選択）
👌言語サービス
Document Intelligence
Anomaly Detector
👌Azure AI Bot Service
〇正解の理由
次の 2 つのコア サービスを組み合わせて使用すると、Microsoft Azure でユーザー サポート ボット ソリューションを簡単に作成できます。
Azure AI Language: カスタム質問応答機能が含まれており、これを使用すると、自然言語で入力してクエリを実行できる、質問と回答のペアで構成されるナレッジ ベースを作成できます。
Azure AI Bot Service: これを使用すると、Azure でボットを開発、公開、管理するためのフレームワークを利用できます。
✅解き方のヒント
Azure Bot Serviceの使い方として、言語サービスと組み合わせたチャットボットの例がAI-900の問題としては頻出ですので、抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/build-faq-chatbot-qna-maker-azurebot-service/2-get-started-knowledge-base -
11. あなたは、Azure Machine Learning デザイナーを使用して、 推論パイプラインをデプロイしました。 この Web サービスを REST 呼び出しするには、 どのパラメーターを使用する必要がありますか。
Microsoft Entra ID
認証ヘッダー
トレーニングエンドポイント
モデル名11. あなたは、Azure Machine Learning デザイナーを使用して、 推論パイプラインをデプロイしました。 この Web サービスを REST 呼び出しするには、 どのパラメーターを使用する必要がありますか。
Microsoft Entra ID
👌認証ヘッダー
トレーニングエンドポイント
モデル名
〇正解の理由
REST 呼び出しを行うには、OAuth 2.0 ベアラー型の認証ヘッダーが必要です。 ワークスペースの認証を設定し、パラメーター化された REST を呼び出す方法については、次のチュートリアル セクションをご覧ください。
✅解き方のヒント
Azure Machine Learning デザイナーについての設問であり、Microsoft Learnにはない範囲となります。
Azure Machine Learning デザイナーに関する設問は頻出ですので、抑えておきましょう。
https://learn.microsoft.com/ja-jp/azure/machine-learning/how-to-run-batch-predictions-designer?view=azureml-api-1 -
12. あなたの会社では、 Azure の画像認識サービスを特定しようとしています。次のシナリオについて、適切なComputer Vision ワークロードの種類を選んでください。 映画ポスターの画像から映画の題名を抽出する。
オブジェクトの検出
顔の認識
画像の分類
光学式文字認識 (OCR)12. あなたの会社では、 Azure の画像認識サービスを特定しようとしています。次のシナリオについて、適切なComputer Vision ワークロードの種類を選んでください。 映画ポスターの画像から映画の題名を抽出する。
オブジェクトの検出
顔の認識
画像の分類
👌光学式文字認識 (OCR)
〇正解の理由
光学式文字認識
Computer Vision サービスでは、光学式文字認識 (OCR) 機能を使用して、画像内の印刷されたテキストや手書きのテキストを検出できます。
✅解き方のヒント
「題名（文）を抽出する」というキーワードより、光学式文字認識 (OCR)が正しいことが分かります。
Computer Vision の各機能の違いを抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/analyze-images-computer-vision/2-image-analysis-azure -
13. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。言語サービスの質問応答を使用して、 Azure SQL データベースに対してクエリを実行できる。
いいえ
はい13. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。言語サービスの質問応答を使用して、 Azure SQL データベースに対してクエリを実行できる。
👌いいえ
はい
〇正解の理由
言語サービスでは、ナレッジベースに対して自然言語で入力してクエリを実行することは可能ですがSQLデータベースに対するクエリを実行することはできません。
✅解き方のヒント
言語サービスは、あくまでも「自然言語処理処理」に関するサービスであり、SQLを使用することや、ナレッジ ベースに対するクエリはSQLではありません。
https://learn.microsoft.com/ja-jp/training/modules/build-faq-chatbot-qna-maker-azurebot-service/2-get-started-knowledge-base -
14. あなたの会社では、ある製品の生成の過程における重量と温度から品質不良を予測する Azure Machine Learning モデルを構築しています。 サンプル データは次の表の通りです。このとき、温度 (℃) はラベルですか。
日付 時刻 重量(kg) 温度(℃) 結果
2021/03/03 14:21:22 2.341 73.3 合格
2021/03/03 14:21:53 2.454 77.2 不合格
2021/03/03 14:22:22 2.415 73.6 合格
はい
いいえ14. あなたの会社では、ある製品の生成の過程における重量と温度から品質不良を予測する Azure Machine Learning モデルを構築しています。 サンプル データは次の表の通りです。このとき、温度 (℃) はラベルですか。
日付 時刻 重量(kg) 温度(℃) 結果
2021/03/03 14:21:22 2.341 73.3 合格
2021/03/03 14:21:53 2.454 77.2 不合格
2021/03/03 14:22:22 2.415 73.6 合格
はい
👌いいえ
〇正解の理由
数学的には、機械学習は、次のような予測 "ラベル" (y) を計算するために何かの 1 つ以上の "特徴量" (x と呼びます) に対して動作する関数 (f と呼びます) を定義する方法と考えることができます。
✅解き方のヒント
特徴量とラベルに関する設問です。
今回の場合、
重量 (kg) と温度 (℃) → 特徴量
結果 → ラベル
となります。
名前は結果に寄与する要素ではないため、特徴量でもラベルでもありません。
https://learn.microsoft.com/ja-jp/training/modules/use-automated-machine-learning/2-what-is-ml -
15. あなたの会社では、ある製品の生成の過程における重量と温度から品質不良を予測する Azure Machine Learning モデルを構築しています。 サンプル データは次の表の通りです。このとき、質量 (kg) は特徴量ですか。
日付 時刻 重量(kg) 温度(℃) 結果
2021/03/03 14:21:22 2.341 73.3 合格
2021/03/03 14:21:53 2.454 77.2 不合格
2021/03/03 14:22:22 2.415 73.6 合格
いいえ
はい15. あなたの会社では、ある製品の生成の過程における重量と温度から品質不良を予測する Azure Machine Learning モデルを構築しています。 サンプル データは次の表の通りです。このとき、質量 (kg) は特徴量ですか。
日付 時刻 重量(kg) 温度(℃) 結果
2021/03/03 14:21:22 2.341 73.3 合格
2021/03/03 14:21:53 2.454 77.2 不合格
2021/03/03 14:22:22 2.415 73.6 合格
いいえ
👌はい
〇正解の理由
数学的には、機械学習は、次のような予測 "ラベル" (y) を計算するために何かの 1 つ以上の "特徴量" (x と呼びます) に対して動作する関数 (f と呼びます) を定義する方法と考えることができます。
✅解き方のヒント
特徴量とラベルに関する設問です。
今回の場合、
重量 (kg) と温度 (℃) → 特徴量
結果 → ラベル
となります。
名前は結果に寄与する要素ではないため、特徴量でもラベルでもありません。
https://learn.microsoft.com/ja-jp/training/modules/use-automated-machine-learning/2-what-is-ml -
16. あなたの会社は、電話とメールでのサポートを顧客に提供するために、 顧客サービス担当者のチームを雇用しています。顧客からの一般的な質問に自動的に回答する Web チャットボットを開発しました。この会社が Web チャットボットソリューションを作成した結果、期待するビジネス上のメリットは次のうちどれですか。
売上の増加
製品の信頼性の向上
顧客サービス担当者のワークロードの減少16. あなたの会社は、電話とメールでのサポートを顧客に提供するために、 顧客サービス担当者のチームを雇用しています。顧客からの一般的な質問に自動的に回答する Web チャットボットを開発しました。この会社が Web チャットボットソリューションを作成した結果、期待するビジネス上のメリットは次のうちどれですか。
売上の増加
製品の信頼性の向上
👌顧客サービス担当者のワークロードの減少
〇正解の理由
多くの組織が、よく寄せられる質問 (FAQ) に対するサポート情報と回答を、Web ブラウザーや専用アプリを通じてアクセスできるように公開していますが、提供するシステムやサービスが複雑であると、特定の質問に対する答えを見つけるのが難しくなります。 多くの場合、これらの組織は、電話、メール、テキスト メッセージ、ソーシャル メディア、およびその他のチャネルを通じたヘルプ要請のために、サポート担当者が業務過多になっていることを認識しています。
組織は、一般的に "ボット" と呼ばれる AI エージェントを使用して、通信に使用する全範囲のチャネルを介した自動サポートの第一線を提供する人工知能 (AI) ソリューションに目を向けるようになっています。
✅解き方のヒント
Botを導入することによるメリットを問う設問です。
Botの導入メリットとして、「自動化に伴う運用負荷の削減」が正解である設問が多く出題されるので、Botと運用負荷の削減、というキーワードは紐づけて覚えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/build-faq-chatbot-qna-maker-azurebot-service/1-introduction -
17. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。花粉数に基づいて、ある人物に軽度、 中度、 または重度のアレルギー症状が出るかどうかを予測することは、クラスタリングの一例である。
いいえ
はい17. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。花粉数に基づいて、ある人物に軽度、 中度、 または重度のアレルギー症状が出るかどうかを予測することは、クラスタリングの一例である。
👌いいえ
はい
〇正解の理由
分類: クラス ラベルを決定するために使用されます。 患者が糖尿病を持っているかどうかは、二項クラス ラベルの例です。 テキストを正、負、中立として分類することは、複数クラスのラベルの例です。
✅解き方のヒント
機械学習の回帰、分類、クラスタリングの3種類は必ず抑えておきましょう。
迷った場合は、以下のキーワードで選択肢を選びましょう。
数値→回帰
「かどうか」「区分」→分類
グループ化→クラスタリング
https://learn.microsoft.com/ja-jp/training/modules/use-automated-machine-learning/2-what-is-ml -
18. あなたの会社では、自転車を検出するサービスを展開しています。撮影された写真に写っている自転車の位置を特定するには、何を使用するべきですか。
Computer Vision の配色の検出
Computer Vision の空間分析
Custom Vision の物体検出
Custom Vision の分類
18. あなたの会社では、自転車を検出するサービスを展開しています。撮影された写真に写っている自転車の位置を特定するには、何を使用するべきですか。
Computer Vision の配色の検出
Computer Vision の空間分析
👌Custom Vision の物体検出
Custom Vision の分類
〇正解の理由
物体検出モデルでは、次の情報が返されることに注意してください。
・画像内で識別された各物体の "クラス"。
・物体分類の確率スコア (予測されたクラスが正しいことの "信頼度" と解釈できます)。
・各物体の "境界ボックス" の座標。
✅解き方のヒント
「位置」というキーワードより、視覚サービスの中でも、位置を特定できるサービスである「物体検出」であることが分かります。
https://learn.microsoft.com/ja-jp/training/modules/detect-objects-images-custom-vision/1a-what-is-object-detection
-
19. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。Azure AI Bot Service では、 よく寄せられる質問(FAQ) を、質問と回答のセットに直接インポートできる。
いいえ
はい19. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。Azure AI Bot Service では、 よく寄せられる質問(FAQ) を、質問と回答のセットに直接インポートできる。
👌いいえ
はい
〇正解の理由
次の 2 つのコア サービスを組み合わせて使用すると、Microsoft Azure でユーザー サポート ボット ソリューションを簡単に作成できます。
Azure AI Language: カスタム質問応答機能が含まれており、これを使用すると、自然言語で入力してクエリを実行できる、質問と回答のペアで構成されるナレッジ ベースを作成できます。
Azure AI Bot Service: これを使用すると、Azure でボットを開発、公開、管理するためのフレームワークを利用できます。
✅解き方のヒント
Azure AI Bot Serviceはナレッジ ベースを保有しているわけではないので、「直接インポート」という記載より、不適切であることが分かります。
Azure AI Bot Serviceの使い方として、言語サービスと組み合わせたチャットボットの例がAI-900の問題としては頻出ですので、抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/build-faq-chatbot-qna-maker-azure-bot-service/2-get-started-knowledge-base -
20. 次のシナリオについて、生成 AI アプリケーションを動かすために使用できる言語モデルとして適切なのはどちらですか。包括的な言語生成能力が要求される。
小規模言語モデル (SLM)
大規模言語モデル (LLM)20. 次のシナリオについて、生成 AI アプリケーションを動かすために使用できる言語モデルとして適切なのはどちらですか。包括的な言語生成能力が要求される。
小規模言語モデル (SLM)
👌大規模言語モデル (LLM)
〇正解の理由
大規模/小規模言語モデル
生成 AI アプリケーションを動かすために使用できる言語モデルは多数あります。 一般に、検討できる言語モデルは次の 2 つに分類されます。"大規模言語モデル" (LLM) と "小規模言語モデル" (SLM) です。
✅解き方のヒント
言語モデルの違いに関する設問です。
それぞれの違いを理解しておけば、直感的に回答可能な設問です。
https://learn.microsoft.com/ja-jp/training/modules/fundamentals-generative-ai/4-azure-openai
-
21. 次のシナリオについて、生成 AI アプリケーションを動かすために使用できる言語モデルとして適切なのはどちらですか。特定の主題に重点を置いたデータセットを使ってトレーニングする。
小規模言語モデル（SLM）
大規模言語モデル（LLM）21. 次のシナリオについて、生成 AI アプリケーションを動かすために使用できる言語モデルとして適切なのはどちらですか。特定の主題に重点を置いたデータセットを使ってトレーニングする。
👌小規模言語モデル（SLM）
大規模言語モデル（LLM）
〇正解の理由
大規模/小規模言語モデル
生成 AI アプリケーションを動かすために使用できる言語モデルは多数あります。 一般に、検討できる言語モデルは次の 2 つに分類されます。"大規模言語モデル" (LLM) と "小規模言語モデル" (SLM) です。
✅解き方のヒント
言語モデルの違いに関する設問です。
それぞれの違いを理解しておけば、直感的に回答可能な設問です。
https://learn.microsoft.com/ja-jp/training/modules/fundamentals-generative-ai/4-azure-openai
-
22. あなたの会社では、新型ウイルスの影響で電話窓口のメンバーを削減しました。対策として定義済みの回答を使って単純な質問に答えるチャットボットを実装することを提案しています。この目標を達成するには、 どの AI サービスを使用するべきですか。（2つ選択）
Azure Machine Learning
👌Azure AI Bot Service
Translator
👌言語サービス22. あなたの会社では、新型ウイルスの影響で電話窓口のメンバーを削減しました。対策として定義済みの回答を使って単純な質問に答えるチャットボットを実装することを提案しています。この目標を達成するには、 どの AI サービスを使用するべきですか。（2つ選択）
Azure Machine Learning
Azure AI Bot Service
Translator
言語サービス
〇正解の理由
次の 2 つのコア サービスを組み合わせて使用すると、Microsoft Azure でユーザー サポート ボット ソリューションを簡単に作成できます。
Azure AI Language: カスタム質問応答機能が含まれており、これを使用すると、自然言語で入力してクエリを実行できる、質問と回答のペアで構成されるナレッジ ベースを作成できます。
Azure AI Bot Service: これを使用すると、Azure でボットを開発、公開、管理するためのフレームワークを利用できます。
✅解き方のヒント
Azure Bot Serviceの使い方として、言語サービスと組み合わせたチャットボットの例がAI-900の問題としては頻出ですので、抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/build-faq-chatbot-qna-maker-azure-bot-service/2-get-started-knowledge-base -
23. 街頭で撮影された写真の中からバイクの位置を特定する Computer Vision ワークロードは次のうちどれですか。
画像の分類
顔の認識
オブジェクトの検出
光学式文字認識 (OCR)23. 街頭で撮影された写真の中からバイクの位置を特定する Computer Vision ワークロードは次のうちどれですか。
画像の分類
顔の認識
👌オブジェクトの検出
光学式文字認識 (OCR)
〇正解の理由
オブジェクトの検出
オブジェクト検出機能は、一般的なオブジェクトを識別できるという点でタグ付けに似ています。ただし、このサービスでは、タグ付け (認識されたオブジェクトのタグの提供) だけではなく、境界ボックス座標として知られているものも返すことができます。 オブジェクトの種類を取得するだけでなく、次に示すように、検出されたオブジェクトの上、左、幅、高さを示す座標のセットも提供されます。これを使用して、画像内のオブジェクトの場所を識別できます。
✅解き方のヒント
「位置を特定する」というキーワードより、オブジェクトの検出が正しいことが分かります。
Computer Vision の各機能の違いを抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/analyze-images-computer-vision/2-image-analysis-azure -
24. あなたの出展しているフレンチ レストランについて、顧客のレビューを分析し、各レビューがどれくらい肯定的か否定的かを判断するソリューションを実装する必要があります。これはどの種類の自然言語処理ワークロードに該当しますか。
キーフレーズ抽出
感情分析
エンティティ認識
言語検出
24. あなたの出展しているフレンチ レストランについて、顧客のレビューを分析し、各レビューがどれくらい肯定的か否定的かを判断するソリューションを実装する必要があります。これはどの種類の自然言語処理ワークロードに該当しますか。
キーフレーズ抽出
👌感情分析
エンティティ認識
言語検出
〇正解の理由
感情分析
言語サービスのテキスト分析機能では、テキストを評価し、各文のセンチメント スコアとラベルを返すことができます。 この機能は、ソーシャル メディア、カスタマー レビュー、ディスカッション フォーラムなどで肯定的な感情と否定的な感情を検出するのに役立ちます。
✅解き方のヒント
「肯定的か否定的か」というキーワードより、感情分析であることが分かります。
https://learn.microsoft.com/ja-jp/training/modules/analyze-text-with-text-analytics-service/2-get-started-azure -
25. あなたの会社では、Outlook の業務効率化を検討しています。Outlook メールの要約を行ったり、ドキュメントの検索の実施が可能なサービスとして適切なものは次のうちどれですか。
Document Intelligence Studio
Azure AI Services
Computer Vision
Microsoft Copilot25. あなたの会社では、Outlook の業務効率化を検討しています。Outlook メールの要約を行ったり、ドキュメントの検索の実施が可能なサービスとして適切なものは次のうちどれですか。
Document Intelligence Studio
Azure AI Services
Computer Vision
👌Microsoft Copilot
〇正解の理由
Microsoft Outlook では、Copilot は、メールの要約、スケジュールの確認、さらに会議の準備に関連するメールやドキュメントの検索にも役立ちます。
これらは、Microsoft Copilot for Microsoft 365 を使用できる方法のいくつかの例にすぎません。 Windows、Excel、Teams、その他のアプリで、さらに多くのことを実現できます。
https://learn.microsoft.com/ja-jp/training/modules/fundamentals-generative-ai/5a-microsoft-copilot?ns-enrollment-type=learningpath&ns-enrollment-id=learn.intro-generative-ai
-
26. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。Azure AI Bot Service は会話的な方法で顧客に関与する。
はい
いいえ26. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。Azure AI Bot Service は会話的な方法で顧客に関与する。
👌はい
いいえ
〇正解の理由
次の 2 つのコア サービスを組み合わせて使用すると、Microsoft Azure でユーザー サポート ボット ソリューションを簡単に作成できます。
Azure AI Language: カスタム質問応答機能が含まれており、これを使用すると、自然言語で入力してクエリを実行できる、質問と回答のペアで構成されるナレッジ ベースを作成できます。
Azure AI Bot Service: これを使用すると、Azure でボットを開発、公開、管理するためのフレームワークを利用できます。
✅解き方のヒント
Azure AI Bot Service と 言語サービスを組み合わせた、チャットボットについての設問です。
Azure AI Bot Serviceの使い方として、言語サービスと組み合わせたチャットボットの例がAI-900の問題としては頻出ですので、抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/build-faq-chatbot-qna-maker-azure-bot-service/2-get-started-knowledge-base -
27. あなたの企業は、問題を起こす可能性のある製品を評価する AIシステムを設計する際に、 評価決定に使用された要因を説明できるようにする必要があります。これは、 Microsoft による責任ある AI の基本原則のうち、 どの例に該当しますか。
公平性
プライバシーとセキュリティ
包括性
透明性27. あなたの企業は、問題を起こす可能性のある製品を評価する AIシステムを設計する際に、 評価決定に使用された要因を説明できるようにする必要があります。これは、 Microsoft による責任ある AI の基本原則のうち、 どの例に該当しますか。
公平性
プライバシーとセキュリティ
包括性
👌透明性
〇正解の理由
透明性
AI システムは理解しやすい必要があります。 ユーザーは、システムの目的、しくみ、想定される制限事項を十分に認識する必要があります。
✅解き方のヒント
Microsoft が提案する、AI の6つの原則を問う問題はほぼ必ず出題されるので、得点できるように抑えておきましょう。
「説明できるようにする」というキーワードより、システムのしくみを知っていること、つまり透明性に該当します。
https://learn.microsoft.com/ja-jp/training/modules/get-started-ai-fundamentals/8-understand-responsible-ai -
28. あなたの会社は、過去の天気と曜日ごとの売上高から、商品の仕入れ台数を予測する必要があります。どの種類の機械学習を使用する必要がありますか。
クラスタリング
分類
回帰28. あなたの会社は、過去の天気と曜日ごとの売上高から、商品の仕入れ台数を予測する必要があります。どの種類の機械学習を使用する必要がありますか。
クラスタリング
分類
👌回帰
〇正解の理由
回帰: 継続的な値を予測するために使用されます (価格、売上の合計、その他の測定値など)。
✅解き方のヒント
「仕入れ台数」という記載より、数値であることが分かり、分類が正解となります。
機械学習の回帰、分類、クラスタリングの3種類は必ず抑えておきましょう。
迷った場合は、以下のキーワードで選択肢を選びましょう。
数値→回帰
「かどうか」「区分」→分類
グループ化→クラスタリング
https://learn.microsoft.com/ja-jp/training/modules/use-automated-machine-learning/2-what-is-ml -
29. あなたの会社が運営するキュレーション メディアについて、キーフレーズ抽出の仕様を検討しています。キーフレーズ抽出の一例は次のうちどれですか。
オーディオトラックに基づいてビデオの字幕を生成する。
同じトピックについての情報を提供しているドキュメントを特定する。
レストランについてのレビューが肯定的か否定的かを特定する。
一連のドキュメントを英語からドイツ語に翻訳する。29. あなたの会社が運営するキュレーション メディアについて、キーフレーズ抽出の仕様を検討しています。キーフレーズ抽出の一例は次のうちどれですか。
オーディオトラックに基づいてビデオの字幕を生成する。
👌同じトピックについての情報を提供しているドキュメントを特定する。
レストランについてのレビューが肯定的か否定的かを特定する。
一連のドキュメントを英語からドイツ語に翻訳する。
〇正解の理由
キー フレーズ抽出
キーフレーズ抽出は、1 つまたは複数のドキュメントのテキストを評価し、その (それらの)ドキュメントの主な要点を特定するという概念です。 前に説明したレストランのシナリオについて考えてみましょう。 収集した調査の量によっては、レビューを読み終わるのに長い時間がかかる場合があります。 代わりに、言語サービスのキー フレーズ抽出機能を使用すると、要点をまとめることができます。
✅解き方のヒント
言語サービスの提供する機能の用語と、それぞれの違いを抑えておけば設問可能です。
キーフレーズ抽出は、（他社サービスではありますが）Google mapの口コミサービスのようなイメージの使い方ができます。
https://learn.microsoft.com/ja-jp/training/modules/analyze-text-with-text-analytics-service/2-get-started-azure -
30. あなたの会社では、Azure AI Vision を使用して、会社に届くレターの光学式文字認識を行うソリューションの導入を検討しています。Azure AI Vision の Read API が使用できるリソースは次のうちどれですか。(2つ選択)
認証キー
Microsoft Entra ID 認証
👌REST API
👌Vision Studio30. あなたの会社では、Azure AI Vision を使用して、会社に届くレターの光学式文字認識を行うソリューションの導入を検討しています。Azure AI Vision の Read API が使用できるリソースは次のうちどれですか。(2つ選択)
認証キー
Microsoft Entra ID 認証
REST API
Vision Studio
〇正解の理由
リソースを作成した後に Azure AI Vision の Read API を使うには、いくつか方法があります。
・Vision Studio
・REST API
・ソフトウェア開発キット (SDK):Python、C#、JavaScript
https://learn.microsoft.com/ja-jp/training/modules/read-text-computer-vision/3-azure-studio -
31. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。内部ユーザーからの質問に答えるボットは、自然言語処理ワークロードの一例である。
はい
いいえ31. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。内部ユーザーからの質問に答えるボットは、自然言語処理ワークロードの一例である。
👌はい
いいえ
〇正解の理由
Azure AI Language: カスタム質問応答機能が含まれており、これを使用すると、自然言語で入力してクエリを実行できる、質問と回答のペアで構成されるナレッジ ベースを作成できます。
✅解き方のヒント
正確に言えば、Azure AI Bot Serviceと言語サービスを統合したサービスの一例になりますが、自然言語処理を含むため、正解となります。
https://learn.microsoft.com/ja-jp/training/modules/build-faq-chatbot-qna-maker-azurebot-service/2-get-started-knowledge-base -
32. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。同じような質問を送信するさまざまなユーザーに同じ回答を提供する目的でナレッジベースが必要な場合は、言語サービスを使用する必要がある。
いいえ
はい32. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。同じような質問を送信するさまざまなユーザーに同じ回答を提供する目的でナレッジベースが必要な場合は、言語サービスを使用する必要がある。
いいえ
👌はい
〇正解の理由
次の 2 つのコア サービスを組み合わせて使用すると、Microsoft Azure でユーザー サポート ボット ソリューションを簡単に作成できます。
Azure AI Language: カスタム質問応答機能が含まれており、これを使用すると、自然言語で入力してクエリを実行できる、質問と回答のペアで構成されるナレッジ ベースを作成できます。
Azure AI Bot Service: これを使用すると、Azure でボットを開発、公開、管理するためのフレームワークを利用できます。
✅解き方のヒント
Azure AI Bot Serviceの使い方として、言語サービスと組み合わせたチャットボットの例がAI-900の問題としては頻出ですので、抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/build-faq-chatbot-qna-maker-azurebot-service/2-get-started-knowledge-base -
33. あなたの会社では、ある製品の生成の過程における重量と温度から品質不良を予測する Azure Machine Learning モデルを構築しています。 サンプル データは次の表の通りです。このとき、結果はラベルですか。
日付 時刻 重量(kg) 温度(℃) 結果
2021/03/03 14:21:22 2.341 73.3 合格
2021/03/03 14:21:53 2.454 77.2 不合格
2021/03/03 14:22:22 2.415 73.6 合格
いいえ
はい33. あなたの会社では、ある製品の生成の過程における重量と温度から品質不良を予測する Azure Machine Learning モデルを構築しています。 サンプル データは次の表の通りです。このとき、結果はラベルですか。
日付 時刻 重量(kg) 温度(℃) 結果
2021/03/03 14:21:22 2.341 73.3 合格
2021/03/03 14:21:53 2.454 77.2 不合格
2021/03/03 14:22:22 2.415 73.6 合格
いいえ
👌はい
〇正解の理由
数学的には、機械学習は、次のような予測 "ラベル" (y) を計算するために何かの 1 つ以上の "特徴量" (x と呼びます) に対して動作する関数 (f と呼びます) を定義する方法と考えることができます。
✅解き方のヒント
特徴量とラベルに関する設問です。
今回の場合、
重量 (kg) と温度 (℃) → 特徴量
結果 → ラベル
となります。
名前は結果に寄与する要素ではないため、特徴量でもラベルでもありません。
https://learn.microsoft.com/ja-jp/training/modules/use-automated-machine-learning/2-what-is-ml -
34. 次のシナリオについて、生成 AI ソリューションの潜在的な危害を軽減する適切なレイヤーを選択してください。モデルに送信されるプロンプト
モデル
ユーザー エクスペリエンス
安全システム
メタプロンプトおよびグラウンディング34. 次のシナリオについて、生成 AI ソリューションの潜在的な危害を軽減する適切なレイヤーを選択してください。モデルに送信されるプロンプト
モデル
ユーザー エクスペリエンス
安全システム
👌メタプロンプトおよびグラウンディング
〇正解の理由
生成 AI ソリューションの潜在的な危害を軽減するには、次に示すように、4 つの層のそれぞれに軽減手法を適用できる階層化アプローチを使用する必要があります。
モデル
安全システム
メタプロンプトおよびグラウンディング
ユーザー エクスペリエンス
モデル層は、ソリューションの中心となる生成 AI モデルで構成されます。 たとえば、ソリューションは、GPT-4 などのモデルを中心に構築されます。
モデル層で適用できる軽減策としては、次のようなものがあります。
目的のソリューションの用途に適したモデルの選択。 たとえば、GPT-4 は強力で汎用性の高いモデルですが、小さな特定のテキスト入力を分類するためだけに必要なソリューションでは、より単純なモデルの方が、有害なコンテンツ生成のリスクを低減しながら必要な機能を提供する可能性があります。
独自のトレーニング データによる基本モデルの "微調整"。これにより、生成される応答は、ソリューション シナリオとの関連性が高まり、応答の範囲が絞り込まれる可能性が高くなります。
https://learn.microsoft.com/ja-jp/training/modules/responsible-generative-ai/5-mitigate-harms -
35. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。Azure Machine Learning デザイナーでは、 進捗状況をパイプライン ドラフトとして保存できる。
いいえ
はい35. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。Azure Machine Learning デザイナーでは、 進捗状況をパイプライン ドラフトとして保存できる。
いいえ
👌はい
〇正解の理由
デザイナーでパイプラインを編集している間、進捗はパイプラインのドラフトとして保存されます。 コンポーネントの追加または削除、コンピューティング先の構成、パラメーターの作成などを行って、パイプラインのドラフトをいつでも編集することができます。
✅解き方のヒント
Azure Machine Learning デザイナーについての設問であり、Microsoft Learnにはない範囲となります。
Azure Machine Learning デザイナーに関する設問は頻出ですので、抑えておきましょう。
https://learn.microsoft.com/ja-jp/azure/machine-learning/concept-designer#pipeline-draft
-
36. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。さまざまな利用状況の統計に基づいてドキュメントをグループに整理することは、クラスタリングの一例である。
いいえ
はい36. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。さまざまな利用状況の統計に基づいてドキュメントをグループに整理することは、クラスタリングの一例である。
いいえ
👌はい
〇正解の理由
クラスタリング: 類似する情報をラベル グループにグループ化してラベルを決定するために使用されます (鳥から種への、測定値のグループ化など)。
✅解き方のヒント
機械学習の回帰、分類、クラスタリングの3種類は必ず抑えておきましょう。
迷った場合は、以下のキーワードで選択肢を選びましょう。
数値→回帰
「かどうか」「区分」→分類
グループ化→クラスタリング
https://learn.microsoft.com/ja-jp/training/modules/use-automated-machine-learning/2-what-is-ml -
37. あなたは、 データセット内にある類似した数値が含まれる行のグループを特定する必要があります。どの種類の機械学習を使用する必要がありますか。
分類
回帰
クラスタリング37. あなたは、 データセット内にある類似した数値が含まれる行のグループを特定する必要があります。どの種類の機械学習を使用する必要がありますか。
分類
回帰
👌クラスタリング
〇正解の理由
クラスタリング: 類似する情報をラベル グループにグループ化してラベルを決定するために使用されます (鳥から種への、測定値のグループ化など)。
✅解き方のヒント
「グループを特定する」という記載より、クラスタリングが正解となります。
機械学習の回帰、分類、クラスタリングの3種類は必ず抑えておきましょう。
迷った場合は、以下のキーワードで選択肢を選びましょう。
数値→回帰
「かどうか」「区分」→分類
グループ化→クラスタリング
https://learn.microsoft.com/ja-jp/training/modules/use-automated-machine-learning/2-what-is-ml -
38. あなたの運営するレストランでは、顧客に書面でアンケートの記載を依頼しています。アンケートをスキャンし、否定的な記載がある場合は従業員にアラートを送信するシステムを作成しています。このパイプラインを完成させるには、 どの自然言語処理タスクを使用しますか。回答を選択し、 文章を正しく完成させてください。
①Document Intelligence で、アンケートをスキャンする。
②[選択肢]で、アンケートをフィルター処理し、サービスへの言及があるもののみを抽出す
る。
③サービスへの言及があるアンケートの評価を行う。
④Azure AI Bot Serviceで、否定的な場合はアラート送信を行う。
翻訳
感情分析
エンティティ認識
音声合成38. あなたの運営するレストランでは、顧客に書面でアンケートの記載を依頼しています。アンケートをスキャンし、否定的な記載がある場合は従業員にアラートを送信するシステムを作成しています。このパイプラインを完成させるには、 どの自然言語処理タスクを使用しますか。回答を選択し、 文章を正しく完成させてください。
①Document Intelligence で、アンケートをスキャンする。
②[選択肢]で、アンケートをフィルター処理し、サービスへの言及があるもののみを抽出す
る。
③サービスへの言及があるアンケートの評価を行う。
④Azure AI Bot Serviceで、否定的な場合はアラート送信を行う。
翻訳
感情分析
👌エンティティ認識
音声合成
〇正解の理由
エンティティ認識
この言語サービスに非構造化テキストを提供すると、テキスト内で認識される "エンティティ" の一覧が返されます。 また、このサービスでは、Web 上のエンティティに関する詳細情報へのリンクも提供できます。 エンティティは、基本的には特定の種類またはカテゴリの項目です。また、次の表に示すようなサブタイプもあります。
✅解き方のヒント
「特定の語句を抽出する」という記載より、エンティティ認識が正しいことが分かります。
https://learn.microsoft.com/ja-jp/training/modules/analyze-text-with-text-analytics-service/2-get-started-azure -
39. あなたの運営するレストランでは、顧客に書面でアンケートの記載を依頼しています。アンケートをスキャンし、否定的な記載がある場合は従業員にアラートを送信するシステムを作成しています。このパイプラインを完成させるには、 どの自然言語処理タスクを使用しますか。回答を選択し、 文章を正しく完成させてください。
①Document Intelligence で、アンケートをスキャンする。
②アンケートをフィルター処理し、サービスへの言及があるもののみを抽出す
る。
③[選択肢]で、サービスへの言及があるアンケートの評価を行う。
④Azure AI Bot Serviceで、否定的な場合はアラート送信を行う。
感情分析
音声合成
エンティティ認識
翻訳39. あなたの運営するレストランでは、顧客に書面でアンケートの記載を依頼しています。アンケートをスキャンし、否定的な記載がある場合は従業員にアラートを送信するシステムを作成しています。このパイプラインを完成させるには、 どの自然言語処理タスクを使用しますか。回答を選択し、 文章を正しく完成させてください。
①Document Intelligence で、アンケートをスキャンする。
②アンケートをフィルター処理し、サービスへの言及があるもののみを抽出す
る。
③[選択肢]で、サービスへの言及があるアンケートの評価を行う。
④Azure AI Bot Serviceで、否定的な場合はアラート送信を行う。
👌感情分析
音声合成
エンティティ認識
翻訳
〇正解の理由
感情分析
言語サービスのテキスト分析機能では、テキストを評価し、各文のセンチメント スコアとラベルを返すことができます。 この機能は、ソーシャル メディア、カスタマー レビュー、ディスカッション フォーラムなどで肯定的な感情と否定的な感情を検出するのに役立ちます。
✅解き方のヒント
後続のワークフロー④で「肯定的」「否定的」というキーワードが書かれており、これは感情分析を行い、記事を評価していることが分かります。
https://learn.microsoft.com/ja-jp/training/modules/analyze-text-with-text-analytics-service/2-get-started-azure -
40. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。入力された検索語句に関連する画像を表示するモバイルアプリケーションは、自然言語処理ワークロードの一例である。
いいえ
はい40. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。入力された検索語句に関連する画像を表示するモバイルアプリケーションは、自然言語処理ワークロードの一例である。
👌いいえ
はい
〇正解の理由
Azure の自然言語処理ワークロードの中には、画像処理を扱うものはありません。
✅解き方のヒント
自然言語処理（NLP）は、テキストの理解や生成、意味解析などのタスクを含みます。しかし、「入力された検索語句に関連する画像を表示する」アプリは、コンピュータービジョンにおける画像分析ワークロードであり、NLPワークロードとは異なります。 -
41. Split Data (データの分割) コンポーネントの機能を正しく説明したものは次のうちどれですか。
データが欠落しているレコードを回避する。
モデルに含める必要のある列を選択する。
数値変数が一貫した範囲内に留まるように数値変数をスケーリングする。
トレーニングデータセットとテストデータセットを作成する。41. Split Data (データの分割) コンポーネントの機能を正しく説明したものは次のうちどれですか。
データが欠落しているレコードを回避する。
モデルに含める必要のある列を選択する。
数値変数が一貫した範囲内に留まるように数値変数をスケーリングする。
👌トレーニングデータセットとテストデータセットを作成する。
〇正解の理由
Split Data (データの分割) コンポーネントを使用して、データセットを 2 つの異なるセットに分割します。
このコンポーネントは、データをトレーニング用とテスト用のセットに分割する必要がある場合に便利です。 また、データの分割方法をカスタマイズすることもできます。 一部のオプションでは、データのランダム化がサポートされます。
✅解き方のヒント
Split Data (データの分割) コンポーネントについて知識があれば回答可能です。
Microsoft Learnの学習範囲ではないため、難易度は高いですが、Azureにおける機械学習のプロセスとして抑えておきましょう。
https://learn.microsoft.com/ja-jp/azure/machine-learning/component-reference/split-data -
42. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。キーフレーズ抽出を使用すると、 テキスト文字列に含まれる重要なフレーズを取得できる。
はい
いいえ42. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。キーフレーズ抽出を使用すると、 テキスト文字列に含まれる重要なフレーズを取得できる。
👌はい
いいえ
〇正解の理由
キーフレーズ抽出は、1 つまたは複数のドキュメントのテキストを評価し、その (それらの)ドキュメントの主な要点を特定するという概念です。 前に説明したレストランのシナリオについて考えてみましょう。 収集した調査の量によっては、レビューを読み終わるのに長い時間がかかる場合があります。 代わりに、言語サービスのキー フレーズ抽出機能を使用すると、要点をまとめることができます。
✅解き方のヒント
「キーフレーズ抽出」という概念を知っていれば回答可能な設問です。
言語サービスの提供する機能は全て抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/analyze-text-with-text-analytics-service/2-get-started-azure -
43. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。アクセシビリティを高めるために、テキストを認識して機械音声が読み上げるサービスは、Microsoft による責任ある AI の基本原則のうち、包括性に該当する。
いいえ
はい43. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。アクセシビリティを高めるために、テキストを認識して機械音声が読み上げるサービスは、Microsoft による責任ある AI の基本原則のうち、包括性に該当する。
いいえ
👌はい
〇正解の理由
包括性
AI システムはあらゆる人に力を与え、人々を結びつける必要があります。 AI は、身体能力、性別、性的指向、民族性などの要因に関係なく、社会のすべての部分に利益をもたらす必要があります。
✅解き方のヒント
「アクセシビリティ」という記載から、包括性が説明されていることが容易に分かります。
Microsoft が提案する、AI の6つの原則を問う問題はほぼ必ず出題されるので、得点できるように抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/get-started-ai-fundamentals/8-understand-responsible-ai -
44. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。パスワードリセットの要求を送信するために使用される Web フォームは、自然言語処理ワークロードの一例である。
いいえ
はい44. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。パスワードリセットの要求を送信するために使用される Web フォームは、自然言語処理ワークロードの一例である。
👌いいえ
はい
〇正解の理由
パスワードリセットの要求を送信する Web フォームと自然言語処理は関係ありません。
✅解き方のヒント
AIというよりは、ITの知識が問われる設問です。
Webフォームとは、ユーザーインターフェース（UI）の1つであり、ホームページやWebサイトの中に設置して、サーバーに対して情報を送信するためのものです。
Web フォームは事前に入力された情報を表示するためのものなので、自然言語処理は関係ありません。
https://www.profuture.co.jp/mk/column/42435 -
45. あなたの会社では、 Azure の画像認識サービスを特定しようとしています。次のシナリオに対して、適切なComputer Vision ワークロードの種類を選んでください。 画像内の著名人を特定する。
オブジェクトの検出
光学式文字認識 (OCR)
画像の分類
顔の認識45. あなたの会社では、 Azure の画像認識サービスを特定しようとしています。次のシナリオに対して、適切なComputer Vision ワークロードの種類を選んでください。 画像内の著名人を特定する。
オブジェクトの検出
光学式文字認識 (OCR)
画像の分類
👌顔の認識
〇正解の理由
顔分析のさらなる応用は、顔の特徴から既知の個人を識別するために機械学習モデルを訓練することです。 この使用法は、より一般的には "顔認識" と呼ばれ、認識したい各人物の複数の画像を使用して、モデルをトレーニングし、トレーニングされていない新しい画像でそれらの人物を検出できるようにします。
✅解き方のヒント
「特定する」というキーワードより、顔の認識が正しいことが分かります。
Computer Vision の各機能の違いを抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/detect-analyze-faces/1-introduction -
46. プロンプト エンジニアリングの例として誤っているものは次のうちどれですか。
「あなたは、Webライターです。」と記載することで、モデルの応答の制約とスタイルを決定する。
過去のプロンプトのやりとりは考慮せず、一問一答形式で適切な応答を取得する。
「3 つの箇条書き形式にします。」と記載することで、求める結果を得る。
回答に必要な情報の範囲を指定することで、回答を洗練させる。46. プロンプト エンジニアリングの例として誤っているものは次のうちどれですか。
「あなたは、Webライターです。」と記載することで、モデルの応答の制約とスタイルを決定する。
👌過去のプロンプトのやりとりは考慮せず、一問一答形式で適切な応答を取得する。
「3 つの箇条書き形式にします。」と記載することで、求める結果を得る。
回答に必要な情報の範囲を指定することで、回答を洗練させる。
〇正解の理由
コパイロットの応答を改善するには、次の方法を検討してください。
コパイロットに何をしてほしいかについて、具体的な目標から始めます
特定の範囲の情報に基づいて応答できるように、情報源を指定します
応答の妥当性と関連性を最大化できるようにコンテキストを追加する
応答に対する明確な期待値を設定します
以前のプロンプトと応答に基づいて繰り返し、結果を洗練させます
ほとんどの場合、コパイロットはプロンプトをそのまま言語モデルに送信するだけではありません。 通常、プロンプトは次のように拡張されます。
言語モデルの動作について条件と制約を設定するシステム メッセージ。 たとえば、「あなたは、明るくフレンドリーに応答する頼りになるアシスタントです。」このようなシステム メッセージによって、モデルの応答の制約とスタイルが決定します。
過去のプロンプトと応答を含む、現在のセッションの会話履歴。 履歴を使うと、会話のコンテキストを維持しながら、繰り返し応答を洗練させることができます。
現在のプロンプト。モデルに合わせて適切に言い換えたり、応答の範囲を指定する根拠となるデータを追加したりするために、コパイロットによって最適化される可能性があります。
"プロンプト エンジニアリング" という用語は、プロンプト改善のプロセスを表します。 アプリケーションを設計する開発者と、それらのアプリケーションを使用する利用者の両方がプロンプト エンジニアリングについて考慮することで、生成 AI からの応答の質を上げることができます。
https://learn.microsoft.com/ja-jp/training/modules/fundamentals-generative-ai/6-writing-prompts?ns-enrollment-type=learningpath&ns-enrollment-id=learn.intro-generative-ai -
47. Azure AI 検索にデータを送信する際、正しいデータ形式は次のうちどれですか。
JSON
XML
CSV
CQL47. Azure AI 検索にデータを送信する際、正しいデータ形式は次のうちどれですか。
👌JSON
XML
CSV
CQL
〇正解の理由
Azure AI 検索クエリは HTTP または REST API 要求として送信でき、応答は JSON として返ってきます。 クエリでは、検索の対象とするフィールド、返されるフィールド、検索結果の整形方法、および結果のフィルター処理または並べ替えの方法を指定できます。 検索するフィールドが指定されていないクエリは、インデックス内のすべての検索可能フィールドに対して実行されます。
https://learn.microsoft.com/ja-jp/training/modules/intro-to-azure-search/6-query-data-in-an-azure-search-index -
48. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。言語サービスと Azure AI Services は統合できる。
いいえ
はい48. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。言語サービスと Azure AI Services は統合できる。
いいえ
👌はい
〇正解の理由
次の 2 つのコア サービスを組み合わせて使用すると、Microsoft Azure でユーザー サポート ボット ソリューションを簡単に作成できます。
・Azure AI Language: カスタム質問応答機能が含まれており、これを使用すると、自然言語で入力してクエリを実行できる、質問と回答のペアで構成されるナレッジ ベースを作成できます。
・Azure AI Bot Service: これを使用すると、Azure でボットを開発、公開、管理するためのフレームワークを利用できます。
✅解き方のヒント
言語サービスと Azure AI Bot Service は統合して利用することにより、価値を生みます。
特に、Azure Bot Serviceの使い方として、言語サービスと組み合わせたチャットボットの例がAI-900の問題としては頻出ですので、抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/build-faq-chatbot-qna-maker-azure-bot-service/2-get-started-knowledge-base -
49. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。自動運転サービスの責任を明確に説明できることは、Microsoft による責任ある AI の基本原則のうち、信頼性と安全性に該当する。
いいえ
はい49. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。自動運転サービスの責任を明確に説明できることは、Microsoft による責任ある AI の基本原則のうち、信頼性と安全性に該当する。
👌いいえ
はい
〇正解の理由
信頼性と安全性
AI システムは確実かつ安全に実行される必要があります。 たとえば、自律走行車用の AIベースのソフトウェア システム、または患者の症状を診断し、処方箋を推奨する機械学習モデルを考えてみましょう。 この種のシステムの信頼性が低いと、人命に大きなリスクが生じる可能性があります。
✅解き方のヒント
今回のシナリオは、「AIシステムを安全に実行する」というものではないため、不適切であることが分かります。
Microsoft が提案する、AI の6つの原則を問う問題はほぼ必ず出題されるので、得点できるように抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/get-started-ai-fundamentals/8-understand-responsible-ai -
50. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。エンティティ認識を使用すると、テキスト文字列に含まれる日付と時刻を取得できる。
はい
いいえ50. 次の記述について、正しい場合は「はい」を選択してください。正しくない場合は「いいえ」を選択してください。エンティティ認識を使用すると、テキスト文字列に含まれる日付と時刻を取得できる。
👌はい
いいえ
〇正解の理由
エンティティ認識
この言語サービスに非構造化テキストを提供すると、テキスト内で認識される "エンティティ" の一覧が返されます。 また、このサービスでは、Web 上のエンティティに関する詳細情報へのリンクも提供できます。 エンティティは、基本的には特定の種類またはカテゴリの項目です。
"エンティティ" とは、人物、場所、組織、数量、時間などを指します。
✅解き方のヒント
「エンティティ認識」という概念を知っていれば回答可能な設問です。
言語サービスの提供する機能は全て抑えておきましょう。
https://learn.microsoft.com/ja-jp/training/modules/analyze-text-with-text-analytics-service/2-get-started-azure
ログイン
オンライン単語帳
このページを利用するにはログインする必要があります。ログインするとAnkilotをより便利にご利用いただけます。