Microsoft Azure AI Fundamentals(AI-900)教科書

Microsoft Azure AI Fundamentals(AI-900) は Azure 認定の Fundamentals レベル に位置する AI 入門認定。Azure Fundamentals(AZ-900)の AI 版 で、Azure の AI / ML / 生成 AI サービス全般のリテラシーを測ります。

• 主催: Microsoft
• 形式: CBT(Pearson VUE 試験会場)or オンライン監督受験
• 問題数 / 時間: 約 40 〜 60 問 / 60 分
• 回答方式: 選択式(単一 / 複数)+ 順序付け / マッチング
• 合格スコア: 700 / 1000
• 有効期限: なし(継続有効)
• 受験料: 一般 12,500 円(約 99 USD、参考)
• 言語: 英語 ・ 日本語など複数言語対応

Microsoft 認定の階層

• Fundamentals: AZ-900 / AI-900 / DP-900 / SC-900 / MS-900 など、各分野の入門
• Associate: AZ-104 / AI-102 / DP-203 など、実務向け
• Expert: AZ-305 / AZ-400 など、上位アーキテクト
• Specialty: 特定領域の専門認定

AWS AI Practitioner との比較

• Azure AI-900: Microsoft Azure に特化、有効期限なし、約 12,500 円
• AWS AI Practitioner: Amazon AWS に特化、有効期限 3 年、約 100 USD
• 両者は競合しない: クラウド ・ AI のリテラシーとして両方持つことに価値あり

出題ドメイン(公式試験ガイド)

1. Domain 1: AI と機械学習の基礎(15 〜 20%)
2. Domain 2: Azure Machine Learning の基礎(15 〜 20%)
3. Domain 3: コンピュータビジョン(15 〜 20%)
4. Domain 4: 自然言語処理(15 〜 20%)
5. Domain 5: 文書インテリジェンス ・ ナレッジマイニング(15 〜 20%)
6. Domain 6: 生成 AI(20 〜 25%)

40 〜 80 時間プラン

1. Week 1: AI / ML の基礎(本サイトの[G 検定 教科書](/certs/g-test/textbook)で土台)
2. Week 2: Azure Machine Learning Studio の概要 + 自動 ML
3. Week 3: コンピュータビジョン(Azure AI Vision / Custom Vision / Face)
4. Week 4: 自然言語処理(Azure AI Language)+ Speech
5. Week 5: 文書インテリジェンス + 生成 AI(Azure OpenAI Service)
6. Week 6: Microsoft Learn + 模擬試験

AIF-900 でも頻出する基礎構造。AI ⊃ ML ⊃ DL ⊃ Gen AI という入れ子と、3 つの学習方式(教師あり / 教師なし / 強化学習)+ 自己教師あり学習を押さえれば 8 割は対応できます。

• 教師あり学習: 分類 ・ 回帰
• 教師なし学習: クラスタリング ・ 異常検知 ・ 次元削減
• 強化学習: 報酬最大化
• 自己教師あり学習: LLM の事前学習
• 転移学習: 学習済モデルを微調整

Microsoft の責任ある AI 原則 は AI-900 で必出。6 つの柱を覚えましょう。

対応する Azure サービス

• Azure AI Content Safety: 生成コンテンツの安全性スキャン
• Responsible AI Dashboard: モデルバイアス分析
• Azure AI Studio Guardrails: プロンプトインジェクション対策
• Microsoft Purview: データガバナンス

AI-900 では『この業務はどの AI ワークロードに該当するか』を選ばせる問題が頻出。Microsoft が定義する代表ワークロード:

• 機械学習(予測 ・ 分類): 売上予測 ・ 退職予測 ・ スパム判定
• コンピュータビジョン: 画像分類 ・ 物体検出 ・ OCR ・ 顔認識
• 自然言語処理: 感情分析 ・ 言語検出 ・ 要約 ・ 翻訳
• 文書インテリジェンス: 請求書 ・ レシート ・ ID 文書から情報抽出
• ナレッジマイニング: 大量文書からの検索 ・ 知識発見
• 生成 AI: テキスト ・ 画像 ・ コードの新規生成

Azure Machine Learning(Azure ML) は Azure 上の ML プラットフォームで、SageMaker(AWS) に対応する位置付け。コードベース(Python SDK)・ デザイナー(GUI)・ 自動 ML の 3 つの方法でモデルを構築できます。

• Azure ML Studio: Web ベースの統合開発環境
• Designer: ドラッグ & ドロップで ML パイプラインを構築
• Automated ML(自動 ML): アルゴリズム / ハイパーパラメータの自動探索
• Notebooks: Jupyter ベースの開発環境
• Compute Instance / Cluster: GPU 含む計算リソース
• Datasets / Datastores: データ管理
• Model Registry: モデルのバージョン管理
• Endpoints: 推論デプロイ(リアルタイム / バッチ)

Automated ML はコードを書かずにモデルを構築できる機能。データセット + タスク種別(分類 / 回帰 / 時系列予測)を指定するだけで、複数のアルゴリズム + ハイパーパラメータの組合せを自動で探索し、最良モデルを返します。

• 対応タスク: 分類 ・ 回帰 ・ 時系列予測 ・ コンピュータビジョン ・ NLP
• 前処理の自動化: 欠測補完 ・ スケーリング ・ One-hot 化
• 特徴量エンジニアリング: 自動生成 + 選択
• モデル比較: AUC / F1 / RMSE などで自動評価
• 説明可能性: SHAP ベースの特徴量重要度

• Pipelines: 再現可能な ML ワークフロー
• Experiments: 実験ごとの結果管理
• MLflow 統合: オープン標準の実験管理
• Data Drift Monitoring: データ分布の変化を検知
• Model Drift: モデル性能の劣化を検知
• A/B テスト ・ シャドーデプロイ

Azure AI Vision(旧 Computer Vision) は学習済モデルで画像を解析する API サービス。コードを書かずに以下の機能を呼び出せます。

• 画像分類: 画像全体のラベル付け
• 物体検出: 物体の位置(バウンディングボックス)+ ラベル
• 画像説明: 画像内容の自然言語説明文を生成
• OCR(Read API): 画像 / PDF からテキスト抽出
• ブランド検出: 既知のロゴを検出
• コンテンツモデレーション: 成人向け / 暴力的コンテンツの検出
• 画像タグ付け: 多数の説明タグを自動付与
• サムネイル生成: スマートクロップで重要部分を抽出

Custom Vision は 独自データで 画像分類 / 物体検出モデルを学習できるサービス。少数(数十枚〜)のラベル付き画像から転移学習でカスタムモデルを構築でき、ノーコードで GUI から 操作可能です。

• プロジェクトタイプ: 分類(複数 / 単一ラベル)・ 物体検出
• 転移学習ベース: 少データでも実用精度
• エクスポート: TensorFlow Lite / ONNX / CoreML / Docker でエッジデプロイ可能
• 用途例: 製品検査 ・ 種類判別 ・ 在庫認識

• Azure AI Face: 顔検出 ・ 識別 ・ 属性(年齢 ・ 表情)・ 1 対 1 / 1 対 N 認証
• Azure AI Document Intelligence(旧 Form Recognizer): 請求書 ・ レシート ・ ID ・ 名刺 ・ W-2 などの定型文書から構造化データを抽出。事前構築モデル + カスタムモデル両対応
• 用途例: 経費精算自動化 ・ 銀行小切手処理 ・ 保険書類 OCR

• 言語検出: 入力テキストの言語を識別
• 感情分析: ポジティブ / ネガティブ / ニュートラル
• 主要フレーズ抽出: 文書の重要キーワードを抽出
• エンティティ認識(NER): 人名 ・ 場所 ・ 組織 ・ 日付などの抽出
• 個人識別情報(PII)検出: 氏名 ・ 電話 ・ メール ・ クレカなどを検出 / マスキング
• テキスト要約: 抽出型 / 抽象型(生成型)要約
• 質問応答(Question Answering): FAQ ベースの回答生成
• 会話言語理解(CLU): 意図 + エンティティ抽出
• カスタムテキスト分類 / NER: 独自データで分類器構築

• Azure AI Translator: 100 以上の言語に対応する機械翻訳
• カスタム Translator: 独自対訳データで業界特化翻訳
• Document Translation: 文書全体の翻訳(レイアウト保持)
• Speech to Text: 音声 → テキスト
• Text to Speech: テキスト → 音声(ニューラル音声)
• Speech Translation: 音声 → 翻訳済音声 / テキスト
• Speaker Recognition: 話者識別
• Custom Speech / Custom Voice: 独自データで音声モデル

Azure OpenAI Service は OpenAI の基盤モデル(GPT-4 / GPT-4o / o1 / DALL-E / Whisper など)を Azure 上のエンタープライズ環境 で利用できるサービス。OpenAI API との違い は、Azure の コンプライアンス ・ プライベートネットワーク ・ Active Directory 認証 が利用できる点です。

• 提供モデル: GPT-4 / GPT-4o / o1 / GPT-3.5 / DALL-E 3 / Whisper / Embeddings
• プライベートネットワーク: Private Endpoint / VNet 統合
• データ取扱い: 入力データはモデル学習に使われない契約
• RBAC: Azure AD 統合の細かい権限制御
• コンテンツフィルタ: 入出力の安全性スキャン
• 料金: 入出力トークン数 + 使用モデルで課金

Azure AI Foundry(旧 Azure AI Studio)は生成 AI アプリケーション構築の統合プラットフォーム。OpenAI モデル + Microsoft / Meta / Mistral などのモデルを モデルカタログ から選んで利用できます。

• モデルカタログ: 複数ベンダーの基盤モデルを一覧 / 比較
• Prompt Flow: プロンプト + RAG + ガードレールのオーケストレーション
• Agent Service: エージェント機能(ツール使用 + 自律実行)
• Evaluation: モデル / プロンプト評価
• Content Safety: 不適切コンテンツの遮断
• Fine-tuning: 独自データでの微調整

• Azure AI Search(旧 Cognitive Search): ベクトル + キーワードのハイブリッド検索
• RAG パターン: AI Search + Azure OpenAI の組合せが標準
• プロンプトの 5 要素: 役割 / 文脈 / タスク / 出力形式 / 制約
• Few-shot / Chain-of-Thought: 応用テクニック
• Function Calling / Tool Use: LLM に関数を呼ばせる
• On Your Data: Azure OpenAI に検索データソースを直接結びつける機能

• 全文検索: BM25 / TF-IDF ベース
• ベクトル検索: 埋め込みベクトルの類似度検索(意味検索)
• ハイブリッド検索: 全文 + ベクトル + リランキング
• スコアリングプロファイル: フィールドごとの重み調整
• ファセット ・ フィルタ: 検索結果の絞り込み
• 自動補完 ・ サジェスト
• 地理空間検索: 距離 ・ 範囲フィルタ

AI Enrichment は検索インデックス構築時に Azure AI サービスを 自動適用 する機能。例えば、PDF 文書をインデックス化する際に、(1) Document Intelligence で OCR、(2) AI Language で言語検出 / 感情 / エンティティ抽出、(3) AI Vision で画像説明 を自動付与できます。

• Skills: 個別の AI 処理(OCR、エンティティ抽出など)
• Skillset: 複数 Skill の組合せ
• Indexer: データソース → Skillset → インデックスの自動パイプライン
• Knowledge Store: 抽出済情報を別ストアに保存

Microsoft の生成 AI アシスタントブランドは Copilot。職種 / 製品ごとに最適化されたバリエーションがあり、AI-900 では各 Copilot の守備範囲を問う問題が頻出します。

• Microsoft 365 Copilot: Word / Excel / PowerPoint / Outlook / Teams 統合の業務 AI
• Copilot for Sales: CRM 連携の営業支援
• Copilot for Service: カスタマーサービス向け
• Copilot for Security: セキュリティ運用支援
• Copilot Studio: ノーコードのエージェント / Bot ビルダー
• GitHub Copilot: コード補完 ・ 説明 ・ テスト生成
• Microsoft Copilot(Bing Chat の後継): Web ベースの汎用 Copilot
• Copilot in Power BI: BI / レポート生成支援

Microsoft Copilot Studio はノーコード / ローコードで カスタム Copilot(エージェント)を構築 できる Power Platform の一部。会話フロー設計 ・ Topic / Entity 定義 ・ 既存システム連携(Power Automate)・ ガードレール設定が GUI で行えます。

• Topics: 会話の分岐単位
• Entities: 抽出するパラメータ(日付 ・ 商品名など)
• Skills / Actions: 外部システムとの連携
• Generative answers: ナレッジソースから自動応答
• Channel: Teams ・ Web ・ SMS などへの公開

• 社内 FAQ チャットボット: Azure AI Search(RAG)+ Azure OpenAI Service
• コールセンター音声分析: Speech to Text → AI Language(感情)→ Power BI
• 請求書 / 領収書の OCR + 自動仕訳: Document Intelligence + Power Automate
• 異常検知: Azure ML + Anomaly Detector(現在は ML 統合)
• 需要予測: Azure ML 自動 ML(時系列)
• 翻訳付き多言語チャット: Translator + Speech
• 画像内容モデレーション: AI Vision Content Moderation / Azure AI Content Safety
• コードアシスタント: GitHub Copilot
• Microsoft 365 内での業務支援: Microsoft 365 Copilot
• ノーコード社内 Bot: Copilot Studio
• 製造業の不良品検出: Custom Vision
• 身分証認証: Azure AI Face + Document Intelligence

• Azure AI services リソース: 複数の AI サービスを 1 つのキーで利用
• 個別リソース: サービスごとに独立(粒度の細かい権限管理)
• Cognitive Services Multi-service Resource: 旧名、現在は Azure AI services
• API キー / Azure AD 認証 / Managed Identity: 認証方式
• Private Endpoint: VNet 内のみで利用
• Customer-Managed Key(CMK): 暗号鍵を顧客側で管理

1. 第 2 章: AI ⊃ ML ⊃ DL ⊃ Gen AI / Microsoft 責任ある AI 6 原則
2. 第 3 章: Azure ML Studio / Designer / Automated ML / Pipelines / Endpoints
3. 第 4 章: AI Vision / Custom Vision / Face / Document Intelligence の使い分け
4. 第 5 章: AI Language(感情/エンティティ/PII/要約)/ Translator / Speech
5. 第 6 章: Azure OpenAI Service / Azure AI Foundry / Prompt Flow
6. 第 7 章: Azure AI Search(全文 + ベクトル + ハイブリッド)/ AI Enrichment
7. 第 8 章: Microsoft 365 Copilot / Copilot Studio / GitHub Copilot
8. 第 9 章: ユースケース → 適切なサービスの即答パターン

試験当日のコツ

• 40 〜 60 問 / 60 分 = 1 問 1 〜 1.5 分
• サービス名のスペル: 英語版受験では正確なサービス名選択が必須
• 新旧サービス名: Cognitive Services → Azure AI services / Form Recognizer → Document Intelligence など改称が頻出
• Microsoft 6 原則 は順序ではなく内容で覚える
• 消去法: AWS / Google のサービス名が混じる選択肢は誤答

AI-900 合格 → AI-102(Azure AI Engineer Associate) が王道。クラウド全般を強化したいなら AZ-104(Azure Administrator Associate) や AZ-900(Azure Fundamentals) へ進むのも有力です。AWS 派と二刀流にしたい場合は本サイトの[AWS AI Practitioner](/certs/aws-ai-practitioner)も。