Azure AI Fundamentals (AI-900) 学習ガイド Part 1: AIの概念と機械学習

Azure AI Fundamentals (AI-900) の試験対策として、学習内容をまとめました。
Part 1では、AIの基本概念や「責任あるAI」、そして機械学習の基礎について解説していきます。

1. AI-900 試験の概要

AI-900は、機械学習 (ML) と人工知能 (AI) の概念、およびそれに関連する Microsoft Azure サービスの基礎知識を証明する試験です。

主な学習範囲:

AIシステムは通常、以下の5つの主要なワークロードに分類されます。

ワークロード	説明	例
Computer Vision (コンピュータービジョン)	画像、動画、カメラからの入力を解釈する機能。	顔認識、物体検出、画像分類。
Natural Language Processing (NLP)	人間の言語（テキストや音声）を理解し、生成する機能。	翻訳、感情分析、チャットボット。
Knowledge Mining (ナレッジマイニング)	大量の非構造化データから情報を抽出し、検索可能なナレッジストアを作成する機能。	文書検索、コンテンツのインデックス作成。
Document Intelligence	ドキュメント（フォーム、請求書など）からテキスト、キーと値のペア、表などを自動的に抽出する機能。	領収書の読み取り、IDカードのデータ抽出。
Generative AI (生成AI)	プロンプトに基づいて、新しいコンテンツ（テキスト、画像、コードなど）を作成する機能。	記事の執筆、画像の生成、コード補完。

AIシステムを開発・運用する際には、倫理的な影響を考慮する必要があります。Microsoftは以下の6つの原則を定めています。

機械学習は、明示的にプログラムするのではなく、データから学習して予測や決定を行うAIのサブセットです。

機械学習モデルは、解決したい問題によって主に3つのタイプに分類されます。

タイプ	説明	アルゴリズム例	用途例
回帰 (Regression)	数値を予測する教師あり学習。	線形回帰	住宅価格の予測、気温の予測、売上予測。
分類 (Classification)	カテゴリ（クラス）を予測する教師あり学習。	ロジスティック回帰、決定木	スパムメールの判定 (2値分類)、画像分類 (多クラス分類)。
クラスタリング (Clustering)	データを類似したグループに分ける教師なし学習。	K-means	顧客のセグメンテーション、異常検知。

Azure Machine Learning は、モデルのトレーニング、デプロイ、管理を行うためのクラウドベースのプラットフォームです。

Compute (コンピューティング): モデルをトレーニングまたは実行するための計算リソース（Compute Instance, Compute Clusterなど）。
Data (データ): トレーニングに使用するデータセット。
Models (モデル): トレーニング済みのモデル。
Endpoints (エンドポイント): モデルをWebサービスとして公開し、アプリケーションから利用できるようにする場所。

Automated ML (自動ML): 専門知識がなくても、データを用意するだけで最適なアルゴリズムとハイパーパラメータを自動的に選択し、モデルを作成できる機能。
Azure Machine Learning Designer: ドラッグ＆ドロップのGUIを使用して、データフローとモデルトレーニングのパイプラインを視覚的に構築できるツール。