Azure認定資格 WEB問題集＆徹底解説

会員登録/ログイン

A. 数千枚の写真に人手でラベルを付け、独自の分類モデルを一から学習させてから組み込む

人手でラベルを付けて分類モデルを一から学習させる方法は、数千枚のラベル付け（学習用データの準備）とモデルの学習・組み込み（独自の開発）の両方が最も重くなります。
しかも「部屋の種類」「主な設備」「撮影の明るさ」は性質の違う 3 項目で、項目ごとに学習が必要になりかねません。「最も少なく抑えたい」という判断軸の正反対です。

正解

B. Azure Content Understanding で画像用のベースアナライザーを土台にカスタムアナライザーを作成し、取り出したい項目を定義する

Azure Content Understanding のカスタムアナライザーは、ベースアナライザー（画像なら prebuilt-image）を baseAnalyzerId で継承して作成し、取り出したい項目をフィールド スキーマとして定義します。
各フィールドの名前・型・説明を書けば、生成モデルが画像を解釈して項目ごとの値を抽出・分類するため、ラベル付きの学習例を用意しなくても決まった項目の構造化出力が得られます。数万枚に同じアナライザーを適用すれば、そのまま物件データベースへ登録できる形になります。

C. Azure Content Understanding の画像検索向けの事前構築済みアナライザーをそのまま使い、出力される 1 段落の画像説明を属性として登録する

prebuilt-imageSearch（画像検索向けの事前構築済みアナライザー）は、画像内容の1 段落の説明を生成する、検索や RAG 向けのアナライザーです。
出力は自由記述の文章なので、「部屋の種類」「主な設備」「撮影の明るさ」という決まった項目に分かれていません。文章をそのまま登録しても、項目単位で検索・集計できるデータにはならず、要件を満たしません。

D. Foundry にデプロイしたマルチモーダル モデルを呼び出すアプリを自作し、3 項目を答えさせるプロンプトと、回答を項目ごとに切り分ける処理を実装する

マルチモーダル モデルに写真を渡して 3 項目を答えさせること自体は可能です。
しかしプロンプトの作り込み、回答を項目ごとに切り分ける後処理、数万枚を処理するアプリの実装と保守をすべて自前で行う必要があり、スキーマを定義するだけで構造化出力が得られる選択肢 B より独自の開発が多くなります。「最も少なく」の判断軸で劣ります。

E. Azure Content Understanding で画像用のベースアナライザーを土台にカスタムアナライザーを作成し、項目ごとに正解を付けた学習例を数千枚分登録してから使う

土台（画像用ベースアナライザーを継承したカスタムアナライザー）は正解（B）と同じですが、数千枚分の正解付き学習例を登録している点が余計です。
Content Understanding のカスタムアナライザーは項目を定義するだけで抽出でき、ラベル付きの例は必須ではありません。数千枚の正解付けは学習用データの準備を大きく増やすため、「最も少なく」の要件に反します。

正解への思考ルート

問題文から要件を抽出し、選択肢の適否を判断するのがポイントです。

要件	判断ポイント
各写真から 3 項目を決まった項目として取り出し、データベースに登録する	出力が項目ごとに構造化されている必要がある。1 段落の自由記述の説明では項目に分かれない →選択肢（C）を消す
学習用データの準備を最も少なく抑える	Content Understanding は項目の定義だけで抽出できる。数千枚のラベル付けは不要 →選択肢（A・E）を消す
独自の開発を最も少なく抑える	プロンプトの作り込みと回答の切り分け処理を自前で実装する構成は開発量が多い →選択肢（D）を消す
対象は数万枚の室内写真（画像）	画像用ベースアナライザー（prebuilt-image）を継承したカスタムアナライザーに、取り出したい項目を定義する →選択肢（B）が正解

ひっかけポイント

• 選択肢 B と E は土台が同じで、違いは数千枚分の正解付き学習例の有無だけ。「カスタム＝学習データが必要」と思い込むと E を選んでしまうが、Content Understanding は項目を定義するだけで抽出できる
• 選択肢 C は同じ Content Understanding で「そのまま使える＝準備が最少」に見える。しかし画像検索向けアナライザーの出力は1 段落の説明文で、決まった項目への構造化という要件を満たさない
• 選択肢 D は「生成 AI に聞けば何でも取り出せる」発想の典型。実現はできてもプロンプトと後処理を自作する分だけ開発が増え、「最も少なく」の比較で負ける
• 問題文の「学習用データの準備」と「独自の開発」は両方とも最少が条件。A は両方、E はデータ準備、D は開発で負ける、と軸ごとに消すと迷わない

出題バリエーション

同じ知識が本番では条件を変えて出題されます。

問題文がこう変わったら	正解はこう変わる
「対象が請求書や領収書で、標準的な項目を取り出したい」	ドメイン固有の事前構築済みアナライザー（prebuilt-invoice・prebuilt-receipt など）をそのまま使うのが最少になる。
「写真を検索や RAG の取り込みに使いたいだけで、項目に分ける必要はない」	選択肢 C の画像検索向けの事前構築済みアナライザー（1 段落の説明を生成）が正解になり得る。
「対象が物件紹介の動画で、シーンごとに決まった項目を付けたい」	動画用ベースアナライザー（prebuilt-video）を継承したカスタムアナライザーに切り替わる。継承元をモダリティに合わせるのが原則。
「対象が問い合わせ電話の録音で、用件や感情を項目として取り出したい」	音声用ベースアナライザー（prebuilt-audio）を継承したカスタムアナライザー、またはコール センター向けの事前構築済みアナライザーが候補になる。

関連サービスの解説

Azure Content Understanding

リファレンス

この問題を解くために必要な知識を扱う公式ドキュメントです。

知識項目	公式ドキュメント
画像用ベースアナライザー（prebuilt-image）を baseAnalyzerId で継承するカスタムアナライザーと、1 段落の説明を返す prebuilt-imageSearch	Foundry Tools の事前構築済みアナライザーでの Azure コンテンツの解釈 - Foundry Tools