Azure認定資格 WEB問題集＆徹底解説
AI-901：Microsoft Azure AI Fundamentals
- No.2 オフラインの小型端末で言語モデルを動かす際のモデル選択
- No.3 責任ある AI の公平性（Fairness）を与信 AI に適用する例
- No.6 画像分類モデルが返した「みかん 88%」の読み方
- No.7 生成 AI が入力文をモデルへ渡す前に行う前処理
- No.12 画像分類方式と物体検出方式のいずれにも当てはまる性質
- No.13 画質低下時の誤検出増加に必要な責任あるAI原則
- No.15 夜間の大量要約処理に適した Foundry のデプロイの種類
- No.18 文章を扱う生成モデルの土台にある仕組み
- No.21 デプロイ前にモデルを絞り込む手段の選択
- No.24 エージェント型 AI のユースケースの識別
- No.25 透明性（Transparency）原則が定める目標
- No.26 採用選考 AI の却下理由表示と責任ある AI の原則
- No.27 請求書の自動登録と音声での確認に必要な AI ワークロードの組み合わせ
- No.30 窓口タブレットの住宅ローン案内アシスタントに見る責任ある AI の原則
- No.31 現場音声のリアルタイム多言語字幕化に必要な音声処理の組み合わせ
- No.32 ガードレール回避を狙う入力をモデルの手前で止める機能
- No.34 頻繁に更新される社内文書を反映する生成 AI の構成
- No.35 責任ある AI の包摂性原則に沿った設計
- No.36 採用選考 AI の通過率格差と責任ある AI の原則
- No.45 多言語問い合わせの振り分けと言及製品の特定に必要な技法
- No.47 自動運転支援 AI の多条件テストが体現する責任ある AI の原則
- No.51 音声書き起こし用途に適した Foundry モデルの選定
- No.53 損保査定AIに求められるモデル特性の見極め
- No.55 temperature を最小にしてもなお残る応答のばらつきへの対処
- No.56 Azure AI Vision の画像解析機能の識別
- No.65 通話録音からトピックと感情を抽出する手法の識別
- No.66 顔の属性を分析する Computer Vision 機能
- No.67 監査向けアシスタントで再現性を確保する構成パラメーターの選定
- No.70 多様な条件下での検証が示す責任あるAIの原則
- No.71 顔照合による本人確認に適したコンピュータービジョン機能の選択
- No.72 Azure AI Translator の主要機能（越境 EC サイトの多言語対応）
- No.74 Azure AI Content Safety が既定でスコアリングする 4 つの危害カテゴリ
- No.77 AIチャットボットの利用条件の明示が示す責任あるAIの原則
- No.79 テキストからの人物・組織・地名の自動検出
- No.81 特定のユーザー層を排除する設計と責任あるAIの原則
- No.82 透明性の原則に該当するシナリオの識別
- No.83 Microsoft Foundry モデルカタログの提供ベンダー
- No.86 責任ある AI の原則として正しいものの識別
- No.89 人材紹介会社での生成 AI の出力バイアス軽減策
- No.91 AI 査定システムにおける説明責任の確保
- No.93 ライブ字幕生成に使う音声処理機能の識別
- No.96 ニューラル機械翻訳で訳文が自然になる理由
- No.97 画像分類が完全な解決策になるユースケースの識別
- No.102 責任あるAI「信頼性と安全性」原則の目標
- No.107 責任あるAIにおける「説明責任」原則の目的
- No.110 生成AIのグラウンディングによる利点
- No.112 複数インシデントの対応優先度と責任あるAIの原則
- No.115 経費承認フローに組み込む生成 AI 出力への責任ある AI 対応
- No.117 human-in-the-loop が説明責任(Accountability)を支える理由
- No.121 キーフレーズ抽出結果の実務的な活用方法
- No.125 モデルカタログから選べるモデルの用途
- No.126 説明文から図解イラストを自動生成する AI ワークロード
- No.128 属性グループ間の性能差の是正が示す責任ある AI の原則
- No.131 人による最終承認プロセスに対応する責任あるAIの原則
- No.132 ファインチューニングとプロンプトエンジニアリングの違い
- No.133 音声 (Speech) 機能の実用例として適切なシナリオの選定
- No.134 セマンティックセグメンテーションと物体検出の技術的な違い
- No.135 エンティティリンキングとエンティティ認識の違い
- No.136 音声操作システムにおける包摂性原則の適用
- No.141 オピニオンマイニングと通常のセンチメント分析の違い
- No.145 デプロイ済み生成 AI モデルへの推論時の動作
- No.148 生成 AI モデルの性質として正しい記述
- No.149 人間による最終確認を経て意思決定する仕組みの名称
- No.152 生成AIモデルの出力に多様性を持たせる構成パラメーターの選定
- No.159 キーフレーズ抽出で得られる出力の特定
- No.160 音声認識と音声合成を組み合わせたソリューションの識別
- No.165 言語検出機能が返す出力の内容
- No.167 実在しない規程を断定口調で返した生成 AI の呼称
- No.174 カスタム翻訳モデルを構築する目的
- No.175 モデルカタログの役割（基盤モデルの比較・選定）
- No.176 モデルの再学習と入力の工夫の使い分け
- No.177 長時間対話で序盤の内容が無視される生成 AI の制約
- No.178 Azure OpenAI エンベディングモデルの正しい用途
- No.179 写真を商品区分へ振り分けるビジョン タスクの選定
- No.181 指示に基づき新しいコンテンツを生成するワークロードの識別
- No.183 ハンズフリー入力を実現する AI 技術の識別
- No.186 情報抽出ワークロードの出力形式
- No.187 風景写真に写り込んだ文字をメタデータ化するサービス選定
- No.189 センチメント分析の「Mixed」判定が示す内容
- No.190 推論時に指定できるモデルパラメーター
- No.191 良品/不良品判定に適したコンピュータービジョンのワークロード
- No.194 Azure AI Language 要約機能の特徴
- No.196 OCR が実行する処理の識別
- No.198 生成 AI モデルの応答生成メカニズム
- No.200 AI トリアージアシスタントにおけるプライバシーとセキュリティの原則
- No.201 多言語の運航報告に対する言語判別と固有表現の取り出し
- No.205 顔認識機能を利用する際の責任あるAIの要件
- No.214 AI ワークロードに該当する業務の識別
- No.216 生成される応答の最大トークン数を制御する設定
- No.217 AI人材マッチングシステムにおける個人情報保護の取り組み
- No.220 物体検出の出力から読み取れる情報
- No.221 生成AIチャットボットの責任ある運用対策
- No.223 SNS投稿から話題のキーワードを洗い出すテキスト分析機能
- No.226 複雑な推論と多段階計画に適したモデルファミリーの選定
- No.229 顔検出と顔分析の機能面の違い
- No.230 プロンプトに含めた業務データの二次利用と処理される場所
- No.231 融資審査 AI における公平性原則の適用
- No.233 確信度に応じた自動化と人による確認の設計（信頼性と安全性）
- No.243 シナリオに該当する生成AIワークロードの識別
- No.250 個人情報の暗号化とアクセス制限が示す責任あるAIの原則
- No.252 パレット積載確認とナンバープレート読み取りに必要な CV 機能
- No.253 声紋認証を用いた本人確認と責任ある AI の原則
- No.259 モデルカタログでのデプロイ前性能確認
- No.260 エンティティ認識が実行するタスクの特定
- No.264 リアルタイム文字起こしと高速文字起こしの違い（動画配信の字幕生成）
- No.266 利用が断続的なモデルに適した Foundry のデプロイ方法
- No.267 求人マッチングAIにおける公平性の確保策
- No.268 LLM が応答を生成する際に予測する基本単位
- No.269 人間によるレビューと承認が示す責任ある AI 原則
- No.270 画像の自由な質問応答に適したモデル種別の選定
- No.272 読める概要文が必要な場合に選ぶテキスト分析手法
- No.280 生成AIの有害コンテンツ防止に有効な対策
- No.282 生成 AI の言語モデルで実現できる機能の選定
- No.284 顔検出が失敗しやすい条件（コンサート会場の入場管理）
- No.285 蔵書カードの撮影画像をテキスト化する Vision の機能
- No.287 生成 AI アシスタント公開時のリリース完了条件
- No.289 マルチモーダルモデルに任せるべきでない用途の識別
- No.291 判断根拠の開示に対応する責任あるAIの原則
- No.293 自律的に行動を選択する AI エージェントの特徴
- No.294 Azure AI Face で取得できる顔属性
- No.295 ドキュメント全体分析とオピニオンマイニングの結果差異
- No.296 複数プロバイダーのモデルを比較・デプロイする機能
- No.298 1 回の生成量に確実な頭打ちを設けるモデル呼び出し設定
- No.299 青果選別ラインの不良品検知とラベル読み取りに必要な AI Vision 機能
- No.301 紙文書を検索可能な PDF にするコンピュータービジョン技術
- No.302 モデルカタログ・Azure OpenAI サービス・Foundry の役割分担
- No.303 生成 AI アプリの入出力から有害な内容を検出してブロックする仕組み
- No.304 Foundry のモデルデプロイでデータゾーン内に処理を限定するタイプ
- No.308 監査可能なログと責任の所在を定める組織の仕組み
- No.310 音声認識（Speech-to-Text）機能の説明
- No.311 技術的なガードレールの具体例（コンテンツフィルター）
- No.312 セマンティックセグメンテーションとオブジェクト検出の違い
- No.313 モデル構成パラメーター temperature の設定タイミング
- No.316 導入前に機能の限界と推奨用途を確認できる公開文書
- No.319 責任ある AI の「包摂性」に該当する取り組み
- No.321 大規模事前学習済みの汎用モデルを指す総称
- No.322 伝票からの項目抽出に適した技法
- No.325 生成AIワークロードとエージェントAIワークロードの違い
- No.327 報告書内のグラフや図の内容を質問応答に使えるようにする抽出手法
- No.328 OpenAI モデルを REST API で利用できるサービスの特定
- No.330 物体検出に該当するユースケースの識別
- No.331 保険 AI アシスタントの開示が体現する責任ある AI の原則
- No.332 従業員満足度調査コメントの感情極性判定に適した技法
- No.336 録音通話を検索可能なテキストに変換する AI 能力の識別
- No.338 顔の位置検出と顔属性の分析に適したサービス
- No.343 音声翻訳で異なる言語のテキストへ変換できるか
- No.347 自律的な発注判断を行うAIワークロードの識別
- No.353 検品カメラ映像から複数の荷物を個別識別するCVタスク
- No.354 顔の有無判定に必要な最小限のCV機能
- No.356 判例文の意味的検索に用いるモデルの種類
- No.357 オリジナルコンテンツを作り出す AI システムの分類
- No.359 医療記録 AI システムにおけるプライバシーとセキュリティ原則
- No.360 病害範囲の面積算出に向けた教師データの注釈
- No.363 Microsoft Foundry ポータルが提供する機能の識別
- No.364 情報抽出ワークロードの識別（保険金請求書類の検索可能化）
- No.367 テキストを音声化する Azure AI Speech の機能
- No.372 口コミ本文から施設名・地名を種類別に取り出す機能の選定
- No.375 Foundry でのモデルデプロイ名と基盤モデル名の違い
- No.377 キーフレーズ抽出だけで対応できる要件の見極め
- No.378 責任あるAIの説明責任(Accountability)原則ー設備保守AIの事例
- No.379 生成AIの主な目的ー人事部門での活用例
- No.380 自然文の質問に文書から回答するワークロードの識別
- No.388 生成 AI モデルの推論時の応答生成の仕組み
- No.389 採用選考 AI の公平性を確認する取り組み
- No.390 責任ある生成 AI の「測定」段階で行う作業
- No.392 長い契約書を 1 回の要求で渡す用途でのモデル選定の判断基準
- No.394 果実を 1 個ずつ数えて位置を得るビジョンモデルの選定
- No.395 一定で大量のリクエストと安定した応答時間が求められる場合のデプロイの種類
- No.396 名簿と照合して写真の人物を特定する
- No.397 音声メモをテキスト化する用途に適した Speech to Text の活用シナリオ
- No.405 責任ある AI の原則ー包摂性の具体例
- No.407 台本から映像とナレーションを作る際のモデル選定
- No.411 モデル選定前の性能比較機能の特定
- No.412 自然言語の説明から画像を生成する AI ワークロードの特定
- No.413 商品検品システムにおけるコンピュータービジョンの技術
- No.414 生成 AI モデルによるテキスト生成の基本原理
- No.417 モデル カタログとデプロイの関係
- No.425 用途で選ぶ Azure OpenAI の文章生成モデルと画像生成モデル
- No.426 研修動画の検索用メタデータ作成に組み合わせる抽出手法
- No.427 社内報アーカイブからの社員名・部署名・拠点名の識別
- No.428 生成 AI アシスタント公開後の運用体制の整備
- No.430 Azure AI Search の役割
- No.435 定型応答のみを返すチャットボットとAIエージェントの違い
- No.437 モデルカタログによるモデル比較機能
- No.438 想定外の状況下でも安全に動作する要件が示す責任あるAIの原則
- No.439 毎月改訂される社内規程に沿った応答を作らせる方針
- No.444 責任ある生成 AI の「緩和」段階で行う作業の識別
- No.448 Azure OpenAI Service が提供するモデルの組み合わせ
- No.449 テキストから画像を生成する生成AIモデルの種別
- No.450 候補者評価要約の自動生成と透明性の原則
- No.452 頻繁に更新される情報をRAGで反映する利点
- No.456 言語間のテキスト自動変換に対応するNLP機能の選択
- No.457 公平性(Fairness)原則に沿った検証項目の選定
- No.463 契約書内の重要項目を識別する Azure AI Language 機能
- No.465 閉域接続と監査が要件の生成 AI 導入方式
- No.468 Foundry モデルカタログの画像生成モデル
- No.470 temperature パラメータが制御する内容
- No.471 自動車保険の保険料算出における属性差別と責任あるAIの原則
- No.472 箇条書きから商品紹介文を生成する用途に適したサービスの選択
- No.473 顧客レビューの感情・キーワード集計に該当するAIワークロード
- No.474 責任ある AI の検討を始めるタイミング：生命保険の請求査定 AI
- No.476 モデル応答の最大長を制御するパラメーター
- No.481 分野ラベル振り分けに適したテキスト分析技法
- No.482 生成される案文の振れ幅を広げる設定
- No.491 交通量調査の静止画解析に用いるビジョン機能の選定
- No.492 同じ依頼から毎回違う言い回しの案を得るための設定
- No.493 センチメント分析の効果的な活用シーンの識別
- No.495 短い要点から詳細な文章を自動生成するワークロードの識別
- No.498 棚画像から商品の位置を得るモデルに付けるラベル
- No.499 責任ある AI の原則: 包摂性を体現する機能
- No.500 生成 AI アプリ開発を一元化するプラットフォームの選定
広告