本文档的目的
本学习指南应帮助你了解考试的预期内容,并包含考试可能涵盖的主题摘要以及指向其他资源的链接。 本文档中的信息和材料可以帮助你在准备考试时集中精力学习。
有用链接 | 说明 |
---|---|
如何获得认证 | 有些认证只需要通过一项考试,而另一些认证则需要通过多项考试。 |
认证续订 | Microsoft 助理、专业和专家认证每年都会过期。 你可以通过 Microsoft Learn 上的免费在线评估进行续订。 |
Microsoft Learn 个人资料 | 通过将认证个人资料连接到 Microsoft Learn,可以安排和续订考试以及共享和打印证书。 |
考分和成绩报告 | 需要 700 分或更高的分数才能通过。 |
考试沙盒 | 可以通过访问我们的考试沙盒来探索考试环境。 |
请求便利设施 | 如果你使用辅助设备、需要额外时间或需要修改考试体验的任何部分,你可以申请住宿。 |
进行免费的练习评估 | 通过练习题测试技能,帮助你为考试做准备。 |
考试更新
我们始终首先更新考试的英语版本。 一些考试已本地化为其他语言,在英语版本更新后大约八周进行更新。 虽然 Microsoft 会尽一切努力更新本地化考试,但有时考试的本地化版本可能未按此计划进行更新。 其他可用语言列在“考试详细信息”网页的“安排考试”部分。 如果考试不以你的首选语言提供,你可以请求额外 30 分钟时间来完成考试。
注意
每项技能下面的项目符号旨在说明我们如何评估该技能。 考试中可能会涉及到相关的主题。
注意
大多数问题都涉及正式发布 (GA) 的功能。 如果经常使用预览功能,该考试可能会包含有关这些功能的问题。
自 2024 年 10 月 31 日起测试的技能
受众概况
作为 Microsoft Azure AI 工程师,你应该能够构建、管理和部署充分利用 Azure AI 的 AI 解决方案。
你的职责包括参与 AI 解决方案开发的所有阶段,包括:
要求的定义和设计
开发
部署
集成
维护
性能调优
监视
你需要与解决方案架构师合作,以实现他们的愿景。 你还要与数据科学家、数据工程师、物联网 (IoT) 专家、基础结构管理员和其他软件开发人员合作:
构建完整且安全的端到端 AI 解决方案。
在其他应用程序和解决方案中集成 AI 功能。
作为 Azure AI 工程师,你应具有开发使用以下语言的解决方案的经验:
Python
C#
应能够使用表述性状态转移 (REST) API 和 SDK 在 Azure 上构建安全的图像处理、视频处理、自然语言处理、知识挖掘和生成式 AI 解决方案。 你应该:
了解构成 Azure AI 产品组合的组件以及可用的数据存储选项。
能够应用负责任 AI 原则。
技能概览
计划和管理 Azure AI 解决方案 (15–20%)
实现内容审核解决方案 (10–15%)
实现计算机视觉解决方案 (15–20%)
实现自然语言处理解决方案 (30–35%)
实现知识挖掘和文档智能解决方案 (10–15%)
实现生成式 AI 解决方案 (10–15%)
计划和管理 Azure AI 解决方案 (15–20%)
选择适当的 Azure AI 服务
为计算机视觉解决方案选择适当的服务
为自然语言处理解决方案选择适当的服务
为语音解决方案选择适当的服务
为生成式 AI 解决方案选择适当的服务
为文档智能解决方案选择适当的服务
为知识挖掘解决方案选择适当的服务
规划、创建和部署 Azure AI 服务
计划符合负责任 AI 原则的解决方案
创建 Azure AI 资源
确定服务的默认终结点
将 Azure AI 服务集成到持续集成和持续交付 (CI/CD) 管道中
规划和实现容器部署
管理、监视和保护 Azure AI 服务
配置诊断日志记录
监视 Azure AI 资源
管理 Azure AI 服务的成本
管理帐户密钥
通过使用 Azure Key Vault 保护帐户密钥
管理 Azure AI 服务资源的身份验证
管理专用通信
实现内容审核解决方案 (10–15%)
创建内容交付解决方案
使用 Azure AI 内容安全实现文本审查解决方案
使用 Azure AI 内容安全实现图像审查解决方案
实现计算机视觉解决方案 (15–20%)
分析图像
选择视觉特征以满足图像处理要求
检测图像中的物体并生成图像标记
在图像处理请求中包含图像分析功能
解释图像处理响应
使用 Azure AI 视觉从图像中提取文本
使用 Azure AI 视觉转换手写文本
使用 Azure AI 视觉实现自定义计算机视觉模型
在图像分类和物体检测模型之间选择
标记图像
训练自定义图像模型,包括图像分类和物体检测
评估自定义视觉模型指标
发布自定义视觉模型
使用自定义视觉模型
分析视频
使用 Azure AI 视频索引器从视频或实时传送流中提取见解
使用 Azure AI 视觉空间分析检测视频中人员的存在和移动
实现自然语言处理解决方案 (30–35%)
使用 Azure AI 语言分析文本
提取关键短语
提取实体
确定文本的情绪
检测文本中使用的语言
检测文本中的个人身份信息 (PII)
使用 Azure AI 语音处理语音
实现文本转语音
实现语音转文本
使用语音合成标记语言 (SSML) 改进文本转语音
实现自定义语音解决方案
实现意向识别
实现关键字识别
转换语言
使用 Azure AI 翻译服务转换文本和文档
实现自定义转换,包括训练、改进和发布自定义模型
使用 Azure AI 语音服务将语音转换为语音
使用 Azure AI 语音服务将语音转换为文本
同时转换为多种语言
使用 Azure AI 语言实现和管理语言理解模型
创建意向并添加语句
创建实体
训练、评估、部署和测试语言理解模型
优化语言理解模型
从客户端应用程序使用语言模型
备份和恢复语言理解模型
使用 Azure AI 语言创建自定义问题解答解决方案
创建自定义问题解答项目
手动添加问答对
导入源
训练和测试知识库
发布知识库
创建多回合对话
添加备用措辞
向知识库添加聊天内容
导入知识库
创建多语言问题解答解决方案
实现知识挖掘和文档智能解决方案 (10–15%)
实现 Azure AI 搜索解决方案
预配 Azure AI 搜索资源
创建数据源
创建索引
定义技能集
实现自定义技能并将其包含在技能组中
创建并运行索引器
查询索引,包括语法、排序、筛选和通配符
管理知识存储投影,包括文件、对象和表投影
实现 Azure AI 文档智能解决方案
预配文档智能资源
使用预生成模型从文档中提取数据
实现自定义文档智能模型
训练、测试和发布自定义文档智能模型
创建组合型文档智能模型
以自定义 Azure AI 搜索技能的形式实现文档智能模型
实现生成式 AI 解决方案 (10–15%)
使用 Azure OpenAI 服务生成内容
预配 Azure OpenAI 服务资源
选择并部署 Azure OpenAI 模型
提交提示以生成自然语言
提交提示以生成代码
使用 DALL-E 模型生成图像
使用 Azure OpenAI API 提交提示并接收回复
在 Azure OpenAI 中使用大型多模式模型
优化生成式 AI
配置参数以控制生成式行为
应用提示工程技术来改进回复
将自己的数据与 Azure OpenAI 模型配合使用
微调 Azure OpenAI 模型
学习资源
我们建议你在参加考试之前进行培训并获得实践经验。 我们提供自学选项和课堂培训,以及指向文档、社区网站和视频的链接。
更改日志
下表总结了当前版本和上一版本的测评技能更改。 功能组采用粗体字样,后跟每个组中的目标。 下表比较了上一版本和当前版本的考试测评技能,第三列描述了更改程度。
2024 年 10 月 31 日之前的技能领域 | 自 2024 年 10 月 31 日起的技能领域 | 更改 |
---|---|---|
实现生成式 AI 解决方案 | 实现生成式 AI 解决方案 | 没有变化 |
使用 Azure OpenAI 服务生成内容 | 使用 Azure OpenAI 服务生成内容 | 次要 |