Studieguide för Exam AI-900: Grunderna i Microsoft Azure AI
Syftet med det här dokumentet
Den här studieguiden hjälper dig att förstå vad du kan förvänta dig på provet och innehåller en sammanfattning av de ämnen som provet kan omfatta och länkar till ytterligare resurser. Informationen och materialet i det här dokumentet bör hjälpa dig att fokusera dina studier när du förbereder dig för provet.
| Användbara länkar | Beskrivning |
|---|---|
| Granska de färdigheter som uppmätts per den 24 april 2024 | Den här listan representerar de kunskaper som mäts efter det angivna datumet. Studera den här listan om du planerar att ta provet efter det datumet. |
| Granska de färdigheter som uppmätts före den 24 april 2024 | Studera den här listan över färdigheter om du tar ditt prov FÖRE det angivna datumet. |
| Ändra loggen | Du kan gå direkt till ändringsloggen om du vill se de ändringar som görs på det angivna datumet. |
| Så här får du certifieringen | Vissa certifieringar kräver bara att ett prov skickas, medan andra kräver att flera prov skickas. |
| Certifieringsförnyelse | Microsofts certifieringar för medarbetare, experter och specialiteter upphör att gälla varje år. Du kan förnya genom att skicka en kostnadsfri utvärdering online på Microsoft Learn. |
| Din Microsoft Learn-profil | Genom att ansluta din certifieringsprofil till Microsoft Learn kan du schemalägga och förnya prov och dela och skriva ut certifikat. |
| bedömnings- och poängrapporter för tentor | En poäng på 700 eller högre krävs för att passera. |
| examenssandlåda | Du kan utforska tentamensmiljön genom att besöka vår sandbox-miljö för tentor. |
| Begär boende | Om du använder hjälpmedelsenheter, kräver extra tid eller behöver ändra någon del av provupplevelsen kan du begära ett boende. |
| Ta en kostnadsfri övningsbedömning | Testa dina kunskaper med övningsfrågor som hjälper dig att förbereda dig inför provet. |
Uppdateringar av provet
Våra prov uppdateras regelbundet för att återspegla de färdigheter som krävs för att utföra en roll. Vi har inkluderat två versioner av de kompetensmätbara målen beroende på när du tar provet.
Vi uppdaterar alltid den engelskspråkiga versionen av provet först. Vissa prov lokaliseras till andra språk och de uppdateras ungefär åtta veckor efter att den engelska versionen har uppdaterats. Microsoft gör allt för att uppdatera lokaliserade versioner, men det kan finnas tillfällen då de lokaliserade versionerna av ett prov inte uppdateras enligt det här schemat. Andra tillgängliga språk visas i avsnittet Schedule Exam på Exam Details-webbsidan. Om provet inte är tillgängligt på önskat språk kan du begära ytterligare 30 minuter för att slutföra provet.
Anteckning
De punkter som följer var och en av de uppmätta färdigheterna är avsedda att illustrera hur vi utvärderar den färdigheten. Relaterade ämnen kan tas upp i provet.
Not
De flesta frågor gäller funktioner som är allmänt tillgängliga (GA). Provet kan innehålla frågor om förhandsversionsfunktioner om dessa funktioner används ofta.
Färdigheter bedömda från och med den 24 april 2024
Målgruppsprofil
Det här provet är en möjlighet för dig att demonstrera kunskaper om maskininlärning och AI-begrepp och relaterade Microsoft Azure-tjänster. Som kandidat för det här provet bör du vara bekant med AI-900-examens självstyrda eller instruktörsledda utbildningsmaterial.
Det här provet är avsett för dig om du har både teknisk och icke-teknisk bakgrund. Datavetenskap och programvaruteknik krävs inte. Du skulle dock ha nytta av att ha medvetenhet om:
Grundläggande molnbegrepp
Klient-serverapplikationer
Du kan använda Grunderna för Azure AI för att förbereda dig för andra rollbaserade Azure-certifieringar som Azure Data Scientist Associate eller Azure AI Engineer Associate, men det är inte en förutsättning för någon av dem.
Kunskaper i korthet
Beskriv arbetsbelastningar och överväganden för artificiell intelligens (15–20%)
Beskriva grundläggande principer för maskininlärning i Azure (20–25%)
Beskriv funktioner i arbetsbelastningar inom datorseende på Azure (15–20%)
Beskriva funktionerna i NLP-arbetsbelastningar (Natural Language Processing) i Azure (15–20%)
Beskriva funktioner i generativa AI-arbetsbelastningar i Azure (15–20%)
Beskriv arbetsbelastningar och överväganden för artificiell intelligens (15–20%)
Identifiera funktioner i vanliga AI-arbetsbelastningar
Identifiera funktioner i arbetsbelastningar för innehållsmoderering och anpassning
Identifiera datorsynsarbetsflöden
Identifiera arbetsbelastningar för bearbetning av naturligt språk
Identifiera arbetsbelastningar för kunskapsutvinning
Identifiera dokumentintelligens arbetsbelastningar
Identifiera funktioner i generativa AI-arbetsbelastningar
Identifiera vägledande principer för ansvarsfull AI
Beskriva överväganden för rättvisa i en AI-lösning
Beskriva överväganden för tillförlitlighet och säkerhet i en AI-lösning
Beskriva överväganden för sekretess och säkerhet i en AI-lösning
Beskriva överväganden för inkludering i en AI-lösning
Beskriva överväganden för transparens i en AI-lösning
Beskriva överväganden för ansvarsskyldighet i en AI-lösning
Beskriva grundläggande principer för maskininlärning i Azure (20–25%)
Identifiera vanliga maskininlärningstekniker
Identifiera scenarier för regressionsmaskininlärning
Identifiera scenarier för klassificering av maskininlärning
Identifiera scenarier för klustring av maskininlärning
Identifiera funktioner i djupinlärningstekniker
Beskriva grundläggande maskininlärningsbegrepp
Identifiera funktioner och etiketter i en datauppsättning för maskininlärning
Beskriva hur tränings- och valideringsdatauppsättningar används i maskininlärning
Beskriva Azure Machine Learning-funktioner
Beskriva funktionerna i automatiserad maskininlärning
Beskriva data- och beräkningstjänster för datavetenskap och maskininlärning
Beskriva funktioner för modellhantering och distribution i Azure Machine Learning
Beskriv egenskaper hos datorseende arbetslaster i Azure (15–20%)
Identifiera vanliga typer av lösningar inom datorseende
Identifiera funktioner i bildklassificeringslösningar
Identifiera funktioner i objektidentifieringslösningar
Identifiera funktioner i optiska teckenigenkänningslösningar
Identifiera funktioner i lösningar för ansiktsidentifiering och ansiktsanalys
Identifiera Azure-verktyg och -tjänster för uppgifter med visuellt innehåll
Beskriva funktionerna i Azure AI Vision-tjänsten
Beskriva funktionerna i tjänsten ansiktsidentifiering i Azure AI
Beskriva funktionerna i NLP-arbetsbelastningar (Natural Language Processing) i Azure (15–20%)
Identifiera funktioner i vanliga NLP-arbetsbelastningsscenarier
Identifiera funktioner och användningsområden för extrahering av nyckelfraser
Identifiera funktioner och användningsområden för entitetsigenkänning
Identifiera funktioner och användningsområden för attitydanalys
Identifiera funktioner och användningsområden för språkmodellering
Identifiera funktioner och användningsområden för taligenkänning och syntes
Identifiera funktioner och användningsområden för översättning
Identifiera Azure-verktyg och -tjänster för NLP-arbetsbelastningar
Beskriva funktionerna i Azure AI Language-tjänsten
Beskriva funktionerna i Azure AI Speech-tjänsten
Beskriva funktioner i generativa AI-arbetsbelastningar i Azure (15–20%)
Identifiera funktioner i generativa AI-lösningar
Identifiera funktioner i generativa AI-modeller
Identifiera vanliga scenarier för generativ AI
Identifiera ansvarsfulla AI-överväganden för generativ AI
Identifiera funktioner i Azure OpenAI-tjänsten
Beskriva genereringsfunktioner för naturligt språk i Azure OpenAI Service
Beskriva funktionerna för kodgenerering i Azure OpenAI-tjänsten
Beskriva funktioner för bildgenerering i Azure OpenAI-tjänsten
Studieresurser
Vi rekommenderar att du tränar och får praktisk erfarenhet innan du tar provet. Vi erbjuder självstudier och klassrumsträning samt länkar till dokumentation, communitywebbplatser och videor.
| Studieresurser | Länkar till utbildning och dokumentation |
|---|---|
| Träna dig | Välj från utbildningsvägar och moduler i egen takt eller gå en lärarledd kurs |
| Hitta dokumentation |
Anomalidetektor Språkförståelse Azure Machine Learning datorsyn teknik för bearbetning av naturligt språk Azure Bot Service Tal-till-text Talöversättning |
| Ställ en fråga | Microsoft Q&A | Microsoft Docs |
| Få gemenskapssupport | Artificiell intelligens och Machine Learning Hub |
| Följ Microsoft Learn | Microsoft Learn – Microsoft Tech Community |
| Hitta en video |
AI-showen Bläddra bland andra Microsoft Learn-program |
Ändringslogg
Nyckel för att förstå tabellen: Ämnesgrupperna (även kallade funktionella grupper) är i fet stil följt av målen i varje grupp. Tabellen är en jämförelse mellan de två versionerna av de uppmätta provfärdigheterna och den tredje kolumnen beskriver omfattningen av ändringarna.
| Kompetensområde före 24 april 2024 | Kompetensområde från och med 24 april 2024 | Förändring |
|---|---|---|
| Målgruppsprofil | Ingen ändring | |
| Beskriv arbetsbelastningar och överväganden för artificiell intelligens | Beskriv arbetsbelastningar och överväganden för artificiell intelligens | Ingen ändring |
| Identifiera funktioner i vanliga AI-arbetsbelastningar | Identifiera funktioner i vanliga AI-arbetsbelastningar | Ingen ändring |
| Identifiera vägledande principer för ansvarsfull AI | Identifiera vägledande principer för ansvarsfull AI | Ingen ändring |
| Beskriv grundläggande principer för maskininlärning i Azure | Beskriv grundläggande principer för maskininlärning i Azure | Ingen ändring |
| Identifiera vanliga maskininlärningstekniker | Identifiera vanliga maskininlärningstekniker | Ingen ändring |
| Beskriva grundläggande maskininlärningsbegrepp | Beskriva grundläggande maskininlärningsbegrepp | Ingen ändring |
| Beskriva Azure Machine Learning-funktioner | Beskriva Azure Machine Learning-funktioner | Underårig |
| Beskriva funktioner i arbetsbelastningar för visuellt innehåll i Azure | Beskriv funktioner i datorseendearbeten på Azure | Ingen ändring |
| Identifiera vanliga typer av datorseendelösningar | Identifiera vanliga typer av lösningar för datorsyn | Ingen ändring |
| Identifiera Azure-verktyg och -tjänster för uppgifter med visuellt innehåll | Identifiera Azure-verktyg och -tjänster för uppgifter med visuellt innehåll | Underårig |
| Beskriv egenskaperna hos NLP-arbetsflöden (Natural Language Processing) på Azure | Beskriv funktionerna i NLP-arbetsbelastningar (Natural Language Processing) i Azure | Ingen ändring |
| Identifiera funktioner i vanliga NLP-arbetsbelastningsscenarier | Identifiera funktioner i vanliga NLP-arbetsbelastningsscenarier | Ingen ändring |
| Identifiera Azure-verktyg och -tjänster för NLP-arbetsbelastningar | Identifiera Azure-verktyg och -tjänster för NLP-arbetsbelastningar | Underårig |
| Beskriv funktioner i generativa AI-arbetsbelastningar i Azure | Beskriv funktioner i generativa AI-arbetsbelastningar i Azure | Ingen ändring |
| Identifiera funktioner i generativa AI-lösningar | Identifiera funktioner i generativa AI-lösningar | Ingen ändring |
| Identifiera funktioner i Azure OpenAI-tjänsten | Identifiera funktioner i Azure OpenAI-tjänsten | Ingen ändring |
Färdigheter som uppmätts före den 24 april 2024
Målgruppsprofil
Det här provet är en möjlighet för dig att demonstrera kunskaper om maskininlärning och AI-begrepp och relaterade Microsoft Azure-tjänster. Som kandidat för det här provet bör du ha en förståelse för Exam AI-900:s självstudie- eller instruktörsledda utbildningsmaterial.
Det här provet är avsett för dig om du har både teknisk och icke-teknisk bakgrund. Datavetenskap och programvaruteknik krävs inte. Du skulle dock ha nytta av att ha medvetenhet om:
Grundläggande molnbegrepp
Klient-serverapplikationer
Du kan använda Grunderna för Azure AI för att förbereda dig för andra rollbaserade Azure-certifieringar som Azure Data Scientist Associate eller Azure AI Engineer Associate, men det är inte en förutsättning för någon av dem.
Kunskaper i korthet
Beskriv arbetsbelastningar och överväganden för artificiell intelligens (15–20%)
Beskriva grundläggande principer för maskininlärning i Azure (20–25%)
Beskriv funktioner av datorseende arbetsbelastningar på Azure (15–20%)
Beskriv egenskaperna hos arbetsbelastningar för Natural Language Processing (NLP) på Azure (15–20%)
Beskriva funktioner i generativa AI-arbetsbelastningar i Azure (15–20%)
Beskriv arbetsbelastningar och överväganden för artificiell intelligens (15–20%)
Identifiera funktioner i vanliga AI-arbetsbelastningar
Identifiera egenskaper hos arbetsbelastningar som rör innehållsmoderering och personalisering
Identifiera arbetsbelastningar för datorseende
Identifiera arbetsbelastningar för bearbetning av naturligt språk
Identifiera arbetsbelastningar för kunskapsutvinning
Identifiera arbetsbelastningar för dokumentintelligens
Identifiera funktioner i generativa AI-arbetsbelastningar
Identifiera vägledande principer för ansvarsfull AI
Beskriva överväganden för rättvisa i en AI-lösning
Beskriva överväganden för tillförlitlighet och säkerhet i en AI-lösning
Beskriva överväganden för sekretess och säkerhet i en AI-lösning
Beskriva överväganden för inkludering i en AI-lösning
Beskriva överväganden för transparens i en AI-lösning
Beskriva överväganden för ansvarsskyldighet i en AI-lösning
Beskriva grundläggande principer för maskininlärning i Azure (20–25%)
Identifiera vanliga maskininlärningstekniker
Identifiera scenarier för regressionsmaskininlärning
Identifiera scenarier för klassificering av maskininlärning
Identifiera scenarier för klustring av maskininlärning
Identifiera funktioner i djupinlärningstekniker
Beskriva grundläggande maskininlärningsbegrepp
Identifiera funktioner och etiketter i en datauppsättning för maskininlärning
Beskriva hur tränings- och valideringsdatauppsättningar används i maskininlärning
Beskriva Azure Machine Learning-funktioner
Beskriva funktionerna i automatiserad maskininlärning
Beskriva data- och beräkningstjänster för datavetenskap och maskininlärning
Beskriva funktioner för modellhantering och distribution i Azure Machine Learning
Beskriv funktioner i arbetsbelastningar för datorseende i Azure (15–20%)
Identifiera vanliga typer av lösningar för datorsyn:
Identifiera funktioner i bildklassificeringslösningar
Identifiera funktioner i objektidentifieringslösningar
Identifiera funktioner i optiska teckenigenkänningslösningar
Identifiera funktioner i lösningar för ansiktsidentifiering och ansiktsanalys
Identifiera Azure-verktyg och -tjänster för uppgifter med visuellt innehåll
Beskriva funktionerna i Azure AI Vision-tjänsten
Beskriva funktionerna i tjänsten ansiktsidentifiering i Azure AI
Beskriva funktionerna i Azure AI Video Indexer-tjänsten
Beskriva funktionerna i NLP-arbetsbelastningar (Natural Language Processing) i Azure (15–20%)
Identifiera funktioner i vanliga NLP-arbetsbelastningsscenarier
Identifiera funktioner och användningsområden för extrahering av nyckelfraser
Identifiera funktioner och användningsområden för entitetsigenkänning
Identifiera funktioner och användningsområden för attitydanalys
Identifiera funktioner och användningsområden för språkmodellering
Identifiera funktioner och användningsområden för taligenkänning och syntes
Identifiera funktioner och användningsområden för översättning
Identifiera Azure-verktyg och -tjänster för NLP-arbetsbelastningar
Beskriva funktionerna i Azure AI Language-tjänsten
Beskriva funktionerna i Azure AI Speech-tjänsten
Beskriva funktionerna i Azure AI Translator-tjänsten
Beskriva funktioner i generativa AI-arbetsbelastningar i Azure (15–20%)
Identifiera funktioner i generativa AI-lösningar
Identifiera funktioner i generativa AI-modeller
Identifiera vanliga scenarier för generativ AI
Identifiera ansvarsfulla AI-överväganden för generativ AI
Identifiera funktioner i Azure OpenAI-tjänsten
Beskriva genereringsfunktioner för naturligt språk i Azure OpenAI Service
Beskriva funktionerna för kodgenerering i Azure OpenAI-tjänsten
Beskriva funktioner för bildgenerering i Azure OpenAI-tjänsten