概要

AI-102を一発合格しました。
点数は730/1000点。
勉強期間は約3日間でした。勉強記録はすべて以下に残しています。

参考

勉強に使用した内容

Microsoft Practice

Microsoft Learning

模擬試験ログ

模擬試験4

回数: 1回目
日付: 2025/1/29
点数: 52%

模擬試験3

回数: 1回目
日付: 2025/1/29
点数: 52%

模擬試験2

回数: 2回目
日付: 2025/1/29
点数: 100%

回数: 1回目
日付: 2025/1/29
点数: 20%

模擬試験1

回数: 2回目
日付: 2025/1/28
点数: 88%

回数: 1回目
日付: 2025/1/27
点数: 52%

Microsoft Practice

回数: 3回目
日付: 2025/1/28
点数: 86%

回数: 2回目
日付: 2025/1/26
点数: 72%

回数: 1回目
日付: 2025/1/25
点数: 48%

Azure AI Video Indexer とは？

Azure AI Video Indexer は、動画コンテンツを分析し、さまざまなメタデータ（顔認識、音声、テキスト、シーン検出など）を自動で抽出する AIベースの動画解析ソリューション です。

簡単に言うと、動画の中身を「見て」「聞いて」「理解して」、検索しやすく整理するツール です。

主な機能

1. 顔認識（Face Detection）

動画内の人物を識別し、同一人物を追跡。
既知の人物との照合機能。

2. 音声解析（Speech-to-Text & Sentiment Analysis）

音声の自動文字起こし（字幕生成可能）。
発言内容の感情分析（ポジティブ/ネガティブなど）。

3. オブジェクト認識（Object Detection）

動画内の特定の物体（車、建物、人物など）を自動検出。

4. シーンとショットの検出（Scene & Shot Detection）

シーンの切り替わりを検出し、チャプター分け。

5. OCR（文字認識）

動画内の看板や字幕などの文字を認識し、データ化。

6. 翻訳と多言語対応

動画の音声やテキストを自動翻訳し、複数の言語に対応。

7. コンテンツのモデレーション

不適切なコンテンツ（暴力・卑猥な表現など）の自動検出。

活用例

メディア・エンタメ業界 → 動画アーカイブの整理、検索性の向上
マーケティング → 動画コンテンツの解析＆ターゲティング
監視カメラ映像の分析 → 事件発生時の顔認識や異常検出
教育機関 → 講義ビデオの字幕作成・検索機能の強化

使い方の流れ

動画をアップロード（Azureポータル、API、SDK経由）
AIによる自動解析（メタデータの抽出）
結果を確認・検索（ポータルやアプリで活用）
データをエクスポート・共有

導入のメリット

手間の削減 → 手動でのタグ付けや検索作業を大幅に短縮
データ活用の強化 → 動画コンテンツの利活用を促進
セキュリティとコンプライアンス対応 → 不適切なコンテンツの検出

関連サービスとの連携

Azure Cognitive Services（顔認識、翻訳、音声認識と連携）
Azure Media Services（動画のストリーミング・管理と併用）

まとめ

Azure AI Video Indexer は、動画の中身を 自動で解析し、ビジネスや研究に役立つメタデータを提供する便利なツール です。

Azure OpenAI Service とは？

Azure OpenAI Service は、Microsoft Azure 上で OpenAI の強力な AI モデル（GPT-4、Codex、DALL·E など） を活用できるクラウドサービスです。
これにより、文章生成、要約、翻訳、コード補完、画像生成 などの高度な AI 機能を、セキュリティとスケーラビリティを兼ね備えた環境で利用できます。

主な特徴

1. 強力なAIモデルを利用可能

Azure 上で以下の OpenAI モデルを利用できます：

GPT-4 / GPT-3.5：高度な自然言語処理（文章生成、要約、チャットボットなど）
Codex：プログラミングコードの補完や自動生成
DALL·E：テキストから画像を生成

2. エンタープライズ向けのセキュリティと管理機能

Azure の セキュリティ基準 に準拠し、データのプライバシーと保護を保証。

ネットワークセキュリティ（VNET 統合、IP制限）
アクセス管理（RBAC、Azure AD 連携）
コンプライアンス対応（GDPR、ISO、SOC など）

3. Azureサービスとの統合が容易

Azure の他のサービスとスムーズに連携し、AI をビジネスに簡単に導入可能。

Azure Cognitive Services（翻訳、音声認識などと連携）
Azure Logic Apps（自動ワークフローの構築）
Power BI（生成されたデータの可視化）

4. カスタムモデルのチューニング

事前学習済みの OpenAI モデルに対して、独自のデータを用いた ファインチューニング が可能。
これにより、特定のビジネスニーズに最適化された AI ソリューションを構築できます。

活用例

Azure OpenAI Service は、さまざまな分野で活用されています：

カスタマーサポートの自動化 → チャットボットや FAQ の生成
マーケティング支援 → 広告コピーやコンテンツの自動生成
プログラミング支援 → コード補完やドキュメント作成の自動化
データ分析レポート作成 → 複雑なデータを簡潔に要約
画像コンテンツの生成 → 広告やデザイン素材の作成

使い方の流れ

Azure ポータルでサービスを作成
- 「Azure OpenAI」を検索し、リソースをデプロイ
モデルの選択と設定
- GPT-4 や Codex などのモデルを選択し、エンドポイントを取得
API を使用してアプリケーションに統合
- Python や Node.js などの SDK を利用して API を実装
パフォーマンスの最適化とスケーリング
- 必要に応じてモデルのファインチューニングやスケール調整

導入のメリット

迅速な導入 → Azure 環境で簡単に AI を利用可能
スケーラビリティ → ビジネスの成長に応じた拡張が可能
コスト効率 → 必要なリソースに応じた料金体系

コストについて

Azure OpenAI Service は、使用するモデルや処理量に応じた 従量課金制 です。
例えば、GPT-4 は高精度な分、コストも高くなるため、用途に応じたモデル選択が重要です。

関連サービスとの連携

Azure Machine Learning → 機械学習モデルとの組み合わせ
Power Automate → 業務プロセスの自動化
Azure Bot Service → AI チャットボットの構築

まとめ

Azure OpenAI Service を使えば、最先端の AI モデルを セキュアかつスケーラブルに利用 できます。
ビジネスの自動化や新しいアイデアの実現に最適なプラットフォームです。

AIエンリッチメントって何？

AIエンリッチメントとは、「データにAIの力を使って、新しい情報を追加したり、もっと使いやすく整理したりすること」 です。

例えば、あるデータがあったとします。

名前	住所
田中太郎	東京都新宿区
鈴木花子	大阪府大阪市北区

このデータをAIで「エンリッチ（豊かに）」すると、以下のように役立つ情報を追加できます。

名前	住所	都道府県	市区町村	緯度・経度
田中太郎	東京都新宿区	東京都	新宿区	35.6895, 139.6917
鈴木花子	大阪府大阪市北区	大阪府	大阪市北区	34.6937, 135.5023

こうすることで、例えば「地図に表示する」とか、「都道府県別にデータをまとめる」といったことが簡単にできるようになるよ！

どんな場面で使われるの？

AIエンリッチメントは、いろんな場面で役立っています。例えば…

ショッピングサイト
- 商品のレビューに「ポジティブ・ネガティブ」のタグを自動でつける
- 画像から商品の種類（服、靴、バッグなど）を判別
会社のデータ整理
- 顧客データから「年代」や「よく買う商品」をAIが分類
- 住所から最寄りの店舗を自動で表示
学校の資料検索
- 膨大な資料から「キーワード」を自動抽出して、検索しやすくする

具体的に何ができるの？（機能例）

AIエンリッチメントでは、以下のような機能が使えます。

1. テキスト解析（自然言語処理）

文章を読み取って、意味を理解したり、重要な単語を抽出します。
例：

レビューから「感情分析」→ ポジティブ・ネガティブの判定
ニュース記事から「会社名」や「日付」を自動抽出

2. 画像解析（コンピュータビジョン）

画像から内容を自動認識して、タグや説明をつけます。
例：

写真から「動物」「車」などを識別
手書き文字をデジタルデータに変換

3. 音声認識

音声をテキストに変換して、文字検索しやすくします。
例：

会議の録音を文字に起こして、議事録を作成
動画のセリフを自動で字幕に変換

Azure AI エンリッチメントとは？

Microsoft Azure には 「Azure AI Enrichment」 というサービスがあり、AIを使って簡単にデータをエンリッチ（豊かに）することができます。

例えば、以下のようなAI機能を組み合わせて使えます：

画像の分析 → 画像から文字を読み取る（OCR）
テキストの分析 → 感情分析、キーワード抽出
翻訳 → 自動で複数の言語に変換

これらの機能を使って、例えば「大量の書類や画像をスキャンして、検索しやすくする」といった作業が自動化できます。

どうやって使うの？（基本の流れ）

AIエンリッチメントの流れはこんな感じ！

データを準備（文章、画像、音声など）
AIを適用（テキスト解析、画像認識などの機能を実行）
結果を取得（整理されたデータを活用）

Azure を使えば、これらの処理をクラウド上で簡単に実行できます！

まとめ

AIエンリッチメント とは、AIを使ってデータを「より便利に、わかりやすく」する技術。
文章、画像、音声 などのデータに対して、さまざまな情報を追加できる。
Microsoft の Azure AI Enrichment を使えば、簡単にデータの整理・活用ができる。

Azure AI Vision と Azure AI Custom Vision の違い

Microsoft Azure には、画像や映像の解析を行う2つの主要なサービスがあります：

Azure AI Vision（旧 Computer Vision）
Azure AI Custom Vision

どちらも画像認識に関連するサービスですが、目的や使い方に違いがあります。以下にそれぞれの特徴と違いを説明します。

1. Azure AI Vision とは？

Azure AI Vision は、Azureが提供する 汎用的な画像認識サービス です。すでに学習済みのAIモデルを利用して、さまざまな画像や動画データを分析できます。

主な機能

画像解析 → 画像から「オブジェクト」「色」「カテゴリ」「顔」「テキスト」などを自動で検出。
OCR（光学文字認識） → 画像の中の文字を読み取り、テキストデータとして抽出。
画像の説明生成 → AIが画像の内容を文章で説明。
顔検出 → 画像から顔の位置や属性（年齢、性別、感情）を識別。
有害コンテンツの検出 → アダルトや暴力的なコンテンツを判別。

メリット

すぐに利用可能（モデルの事前学習済み）。
コーディングなしでAzureポータルから簡単に試せる。
特別なカスタマイズなしで、一般的な用途に幅広く対応。

デメリット

特定のビジネス用途に特化したカスタマイズはできない。
モデルの学習ができないため、自社データに最適化できない。

2. Azure AI Custom Vision とは？

Azure AI Custom Vision は、ユーザーが独自のデータを使って カスタム画像認識モデルを作成・トレーニング できるサービスです。

主な機能

カスタムモデルのトレーニング → 自社の画像データを使って、特定の物体を認識するモデルを作成。
分類モデル → 画像を特定のカテゴリに分類（例：犬・猫・鳥の分類）。
オブジェクト検出 → 画像の中の特定の物体の位置を特定（例：製品パーツの認識）。
継続的なモデル改善 → 追加のデータを使ってモデルを再学習し、精度を向上。
エッジデバイス対応 → 学習したモデルをIoTデバイスやオンプレミス環境で利用可能。

メリット

自分のビジネスに合わせた独自の画像分類や検出が可能。
少ないデータセットでもAIをトレーニング可能。
モデルのチューニングができ、精度を向上させられる。

デメリット

学習データの収集とラベリングが必要。
トレーニングやデプロイに手間と時間がかかる。

3. Azure AI Vision と Custom Vision の比較表

項目	Azure AI Vision	Azure AI Custom Vision
用途	汎用的な画像解析	特定のニーズに特化したモデル構築
学習の必要性	不要（事前学習済みモデル）	必要（ユーザー独自データを使用）
精度のカスタマイズ	できない	できる
主な機能	OCR、顔認識、オブジェクト検出など	画像分類、オブジェクト検出
導入のしやすさ	簡単（すぐに使える）	中程度（データ準備が必要）
利用例	監視カメラの映像解析、一般的な画像分析	製品識別、医療画像解析、異常検知
デプロイ先	クラウドのみ	クラウド＆エッジデバイス対応

4. どちらを選ぶべき？

Azure AI Vision を選ぶ場合

すぐにAIの画像認識を試したい場合。
カスタマイズ不要で、汎用的な解析をしたい場合。
OCRや顔認識など、一般的な機能を利用したい場合。

例：

画像からテキストを抽出して文書管理したい
監視カメラ映像から物体検出をしたい
SNSの画像から有害コンテンツを自動判別したい

Azure AI Custom Vision を選ぶ場合

自分のビジネスに特化した画像分類や検出をしたい場合。
AIモデルの学習・カスタマイズをしたい場合。
より高い精度を求め、自社データを活用したい場合。

例：

工場の製品ラインで不良品を検出したい
医療画像を解析して疾患を特定したい
特定の動物や物体を分類したい

5. まとめ

Azure AI Vision → すぐに使える汎用的な画像認識サービス（カスタマイズなし）。
Azure AI Custom Vision → 自社のニーズに合わせてカスタムモデルを作成可能（精度調整が可能）

Conversational Language Understanding (CLU) とは？

Conversational Language Understanding (CLU) は、Azure AIのサービスの一つで、会話の内容を理解し、「インテント（意図）」や「エンティティ（情報）」を抽出 する機能です。チャットボットや音声アシスタントに活用され、ユーザーの発話を適切に解釈し、応答の自動化に役立ちます。

主な機能

インテント識別：「ピザを注文したい」→「注文」
エンティティ抽出：「明日の東京の天気」→「日付：明日」「場所：東京」
センチメント分析：発話の感情を分析（ポジティブ/ネガティブ）

CLUは、簡単にカスタムモデルを作成でき、特定のビジネスニーズに対応できます。