はじめに - ChatGPT登場で感じた危機感
「このモデル、あと何年使えるかな」
ChatGPT登場後、自社で運用していた機械学習モデルのメンテナンスをしながら、ふとそう思いました。データサイエンティストとして2年間、PythonでScikit-learnやTensorFlowを使ってモデルを構築してきた私ですが、生成AIの進化スピードを目の当たりにして、このままではまずいという危機感を抱いたのです。
そこで選んだのが、Azure AI-102（AI Engineer Associate）の資格取得でした。結論から言うと、Udemyの問題集を使って2週間で一発合格できました。この記事では、データサイエンティストの知識がどう活きたのか、そして最短合格のために何をしたのかをお伝えします。
なぜAzure AI-102なのか
AI-102は、Azure上でAIソリューションを設計・実装するための資格です。試験では以下の領域が出題されます。
※試験内容は最新の情報を参照してください
私がこの資格を選んだ理由は3つです。
- クラウドベースのAI実装スキルの需要: 自社でもAzure OpenAI Serviceの導入検討が始まっており、実装できる人材が求められていた
- 機械学習の知識が活かせる: データサイエンティストとしてのバックグラウンドがアドバンテージになる
- 実務に直結する内容: Custom Vision、Azure OpenAI Service、Cognitive Searchなど、実際のプロジェクトで使うサービスが試験範囲
データサイエンティストの強みと弱み
強みが活きた領域
機械学習の基礎知識は大いに役立ちました。特に以下の分野では、ほぼ勉強不要でした。
- モデルの評価指標（Precision、Recall、F1スコア）
- Azure Machine Learning
- Azure AI Foundry
苦戦した領域
一方で、Azureサービスの具体的な実装方法には苦労しました。
- Azure Cognitive Servicesの各APIの使い分け
- リソースのデプロイと管理
- セキュリティとアクセス制御の設定
- コンテナーへのデプロイ手順
例えば、「Form Recognizerでカスタムモデルをトレーニングする手順」という問題では、Azureポータルの操作やAzure CLIコマンドの知識が必要で、最初は全く分かりませんでした。
Udemy問題集を選んだ決定的な理由
他の教材も検討しましたが、最終的にこのUdemy講座を選んだ理由は明確です。
1. 圧倒的な問題数と実践形式
この講座には400問以上の模擬問題が含まれており、本番と同じ形式で出題されます。Microsoft Learnの公式ドキュメントは網羅的ですが、「どこが出るのか」が掴みにくい。この問題集は、出題頻度の高い内容に絞られているため、効率的に学習できました。
2. 詳細な解説
正解だけでなく、なぜその選択肢が正解/不正解なのかが丁寧に説明されています。データサイエンティストとして機械学習の理論は分かっても、「なぜAzure Machine Learningではなく、Custom Visionを使うべきか」といった実務的な判断基準は解説がないと理解できませんでした。
3. 最新の試験範囲に対応
生成AIの問題（Azure OpenAI Service、Prompt Engineering）が充実しており、2024年の試験改訂にも対応していました。古い教材だとこの部分が弱いため、最新の講座を選ぶことは重要です。
2週間の学習スケジュール
私は平日の業務後と休日を使って、以下のスケジュールで学習しました。
| 日程 | 学習内容 | 時間 |
|---|---|---|
| 1-3日目 | Udemy問題集1周目（全問題） | 平日2時間×3 |
| 4-5日目 | 間違えた問題の復習とAzureポータルで実際に操作 | 休日4時間×2 |
| 6-10日目 | Udemy問題集2周目（間違えた問題のみ） | 平日2時間×5 |
| 11-12日目 | 苦手分野の集中学習（Cognitive Search、Container） | 休日4時間×2 |
| 13-14日目 | 最終模擬試験と見直し | 平日2時間×2 |
合計学習時間：約30時間
データサイエンティストとしてのバックグラウンドがあったため、機械学習の基礎部分はスキップできました。これがなければ、おそらくあと1-2週間は必要だったと思います。
学習で効いた3つのポイント
ポイント1: 問題を解く→解説を読む→Azureで実際に触る
単に問題を解くだけでなく、間違えた内容は必ずAzureポータルで実際に操作しました。
例えば、「Custom Visionでモデルをエクスポートする方法」という問題を間違えたとき、実際にAzureで無料枠を使ってプロジェクトを作成し、画像をアップロードしてトレーニングし、エクスポートまで試しました。この「手を動かす」プロセスが記憶の定着に効果的でした。
ポイント2: 苦手分野の可視化
1周目で間違えた問題を分野別に集計し、以下のように可視化しました。
この結果、Cognitive SearchとContainerの分野に集中して時間を割きました。苦手を潰すことで、2周目では全体の正答率が85%以上になりました。
ポイント3: 「なぜそのサービスを選ぶのか」を理解する
試験では、「どのAzureサービスを使うべきか」を問う問題が頻出します。データサイエンティストとして、「機械学習で何ができるか」は分かっても、「Azureのどのサービスで実現するか」は別問題です。
例えば、こんな問題が出ました。
Q: 社内の技術文書を検索可能にしたい。文書はPDF、Word、PowerPointなど複数形式。どのサービスを使うべきか？
最初は「Azure Machine Learningでテキスト分類モデルを作れば良いのでは？」と思いましたが、正解はAzure Cognitive Searchです。理由は、すでに構築済みのAIスキル（エンティティ認識、キーフレーズ抽出など）を使って、コーディング不要で検索システムを構築できるから。
このような「適材適所の判断基準」を理解することが、合格の鍵でした。
試験当日のリアル
試験はオンライン監督付きで自宅受験しました。全54問、150分の試験です。
意外と出た問題
Azure OpenAI Serviceの問題が予想以上に多かったです。特に以下の内容が出ました。
- Prompt Engineeringのベストプラクティス
- トークン数の制限と管理
- デプロイメントの種類（Standard、Provisioned Throughput）
Udemy問題集でこの分野を重点的に練習していたため、焦らず対応できました。
データサイエンティストの知識が活きた瞬間
「モデルの評価指標を選ぶ問題」では、業務経験が直接役立ちました。
Q: 不均衡データセット（陽性サンプルが5%）で異常検知モデルを評価する。最適な指標は？
選択肢にはAccuracy、Precision、Recall、F1スコアがありましたが、不均衡データではAccuracyが使えないことは、データサイエンティストなら当然の知識です。この手の問題は、Azureの知識がなくても正解できました。
結果
試験終了後、すぐに画面に「Pass」の文字が表示され、スコア848点（700点以上で合格）で一発合格しました。
取得後の変化
資格取得後、以下のような変化がありました。
社内での評価
社内のAzure OpenAI Service導入プロジェクトで、実装担当として指名されました。それまでは「データサイエンティストは研究開発担当」という位置づけでしたが、資格取得によって「クラウドAIの実装もできる人材」として認識が変わりました。
キャリアの幅が広がった
データサイエンティストとして、これまでは「モデルを作る」ことに専念していましたが、AI-102の知識によって「モデルをどうデプロイし、運用するか」まで考えられるようになりました。これは、生成AI時代において非常に重要なスキルだと実感しています。
まとめ：こんな人におすすめ
この学習法は、以下のような方に特におすすめです。
おすすめできる人
- Pythonでの開発経験がある人（APIの使い方がイメージしやすい）
- 短期間で資格を取りたい人（問題集中心の学習で効率的）
- 生成AIの実装スキルを身につけたい人（Azure OpenAI Serviceは実務で使える）
Udemy問題集の強み
- 400問以上の模擬問題で本番形式に慣れられる
- 詳細な解説で、なぜその選択肢が正解かを理解できる
- 最新の試験範囲（生成AI、Azure OpenAI Service）に対応
- 最短ルートで合格を目指せる
生成AI時代において、「AIを使う側」から「AIを実装する側」へシフトすることは、エンジニアとしての価値を高める大きな一歩です。データサイエンティストとしての知識がある方なら、2週間でAI-102は十分に取得可能です。ぜひチャレンジしてみてください。
学習に使用した教材
- AI-102: Designing and Implementing a Microsoft Azure AI Solution（Udemy）
- Microsoft Learn公式ドキュメント（補足として）
この記事が、皆さんの資格取得の参考になれば幸いです。