本文件的用途
此學習指南應可協助您理解測驗的內容範圍，並會包含測驗可能涵蓋的主題摘要，以及其他資源的連結。 本文件中的資訊和教材應可協助您專心準備此測驗。
| 實用的連結 | 描述 |
|---|---|
| 獲取認證的方式 | 部分認證僅需通過一個測驗，而其他認證則需通過多個測驗。 |
| 認證更新 | Microsoft Associate、Expert 與 Specialty 認證每年都會到期。 您可以透過通過 Microsoft Learn 的免費線上評量來進行更新。 |
| 您的 Microsoft Learn 設定檔 | 將認證設定檔連線至 Microsoft Learn 可讓您排程與更新測驗，以及分享與列印認證。 |
| 測驗計分與成績單 | 700 分或以上才能通過。 |
| 測驗沙箱 | 您可以瀏覽我們的測驗沙箱，以探索測驗環境。 |
| 要求無障礙設施 | 如果您使用輔具、需要額外的時間，或需要修改測驗體驗的任何部分，您都可以要求便利設施。 |
| 參加免費的練習評量 | 利用練習問題測試技能，以協助您準備測驗。 |
測驗更新
我們的測驗會定期更新，以反映執行角色所需的技能。 我們包含兩個版本的技能測量目標，視您參加測驗的時間而定。
我們一律會先更新英文版的測驗。 部分測驗會翻譯成其他語言，而且那些語言版本會在英文版更新後約八週進行更新。 雖然 Microsoft 竭盡一切所能更新當地語系化測驗，但有時候測驗的當地語系化版本可能未及在此排程上更新。 其他可用的語言會列在 [測驗詳細資訊] 網頁的 [安排測驗時間] 區段中。 如果測驗未提供您慣用語言的版本，您可以多要求 30 分鐘來完成測驗。
注意
每種受測驗技能下的項目，旨在說明評估該技能的方式。 測驗會涵蓋相關主題。
注意
大部分的問題都會涵蓋正式發行 (GA) 的功能。 測驗可能包含常用預覽版功能的問題。
截至 2025 年 4 月 30 日技能測量結果
對象個人檔案
身為 Microsoft Azure AI 工程師，您可以建置、管理及部署 AI 解決方案，以充分利用 Azure AI。
您的責任包括參與所有 AI 解決方案開發的階段，包括：
需求定義和設計
開發
部署
整合
維護
效能微調
監視
您與解決方案架構師寫作來轉譯其願景。 您還可以與資料科學家、資料工程師、物聯網 (IoT) 專家、基礎結構系統管理員和其他軟體發展人員協作，以：
建置完整且安全的端對端 AI 解決方案。
將 AI 功能整合至其他應用程式和解決方案中。
身為 Azure AI 工程師，您具備開發使用下列語言的解決方案之經驗：
Python（程式語言）
C#
您應該能夠使用具象狀態傳輸 (REST) API 和 SDK，在 Azure 上建置安全的影像處理、視訊處理、自然語言處理、知識採礦和生成式 AI 解決方案。 您應該：
了解組成 Azure AI 組合的各種元件，以及可用的資料儲存體選項。
能够套用負責任 AI 準則。
技能一目了然
規劃和管理 Azure AI 解決方案 （20–25%）
實現生成式 AI 的解決方案 （15–20%）
實作代理解決方案 （5–10%）
實作電腦視覺解決方案 （10-15%）
實作自然語言處理解決方案 （15-20%）
實作知識採礦和資訊擷取解決方案（15-20%）
規劃和管理 Azure AI 解決方案 （20–25%）
選取適當的 Azure AI Foundry 服務
為生成式 AI 解決方案選取合適的服務
選取適當的服務作為電腦視覺解決方案
為自然語言處理解決方案選取適當的服務
選取適當的服務作為語音解決方案
選取適當的服務以取得資訊擷取解決方案
為知識采礦解決方案選取適當服務
規劃、建立及部署 Azure AI Foundry 服務
規劃符合負責任 AI 原則的解決方案
建立 Azure AI 資源
為您的解決方案選擇適當的 AI 模型
使用適當的部署選項部署 AI 模型
安裝和利用適當的 SDK 和 API
判斷服務的預設端點
將 Azure AI Foundry Services 整合到持續整合和持續交付（CI/CD） 管線中
規劃和實作容器部署
管理、監視及保護 Azure AI Foundry 服務
監視 Azure AI 資源
管理 Azure AI Foundry 服務的成本
管理及保護帳戶金鑰
管理 Azure AI Foundry Service 資源的驗證
負責任地實作 AI 解決方案
實作內容調節解決方案
設定負責任的 AI 見解，包括內容安全
實作負責任的 AI，包括內容篩選和封鎖清單
防止有害行為，包括提示盾牌和傷害偵測
設計負責任的 AI 治理架構
實作生成式 AI 解決方案 （15–20%）
使用 Azure AI Foundry 建置生成式 AI 解決方案
規劃和準備生成型 AI 解決方案
使用 Azure AI Foundry 部署中樞、專案和必要資源
為您的使用案例部署適當的生成 AI 模型
實施提示流解決方案
藉由將模型根植於你的數據中來實作RAG模式
評估模型和流程
將您的專案與 Azure AI Foundry SDK 整合至應用程式
在您的生成型 AI 解決方案中使用提示範本
使用 Foundry 模型中的 Azure OpenAI 來產生內容
在 Foundry Models 中布建 Azure OpenAI 資源
選取並部署 Azure OpenAI 模型
提交提示以產生程序代碼和自然語言回應
使用 DALL-E 模型產生影像
將 Azure OpenAI 整合到您自己的應用程式中
在 Azure OpenAI 中使用大型多模式模型
實作 Azure OpenAI 小幫手
將生成式 AI 解決方案優化並使其運行
設定參數以控制生成式行為
設定模型監視和診斷設定，包括效能和資源耗用量
優化和管理部署的資源，包括延展性和基礎模型更新
啟用追蹤並收集意見反應
實現模型反射
部署容器以用於本機和邊緣裝置
實施多個生成式 AI 模型的編排工作流程
套用提示工程技術改進回應
微調生成模型
實作代理解決方案 （5–10%）
建立自定義代理程式
瞭解代理的角色和使用案例
設定建置代理程式的必要資源
使用 Azure AI Foundry 代理程式服務建立代理程式
使用 Semantic Kernel 和 Autogen 實作複雜的代理程式
實作複雜的工作流程，包括多代理程式解決方案的協調流程、多個使用者和自主功能
測試、優化及部署代理程式
實作電腦視覺解決方案 （10-15%）
分析影像
選取視覺效果功能以符合影像處理需求
偵測影像中的物件並產生影像標籤
在影像處理要求中包含影像分析功能
解譯影像處理回應
使用 Azure AI 視覺從影像中選取文字
使用 Azure AI 視覺轉換手寫文字
實作自定義視覺模型
在影像分類和物件偵測模型之間進行選擇
標記影像
定型自訂影像模型，包括影像分類和物件偵測
評估自訂視覺模型計量
發佈自訂視覺模型
使用自訂視覺模型
先建置自定義視覺模型程序代碼
分析影片
使用 Azure AI Video Indexer 從影片或即時串流中擷取深入解析
使用 Azure AI 視覺空間分析偵測影片中人員的存在和移動
實作自然語言處理解決方案 （15-20%）
分析及翻譯文字
擷取關鍵詞組和實體
判斷文字的情緒
偵測文字中所使用的語言
偵測文字中的個人識別資訊 (PII)
使用 Azure AI 翻譯工具服務翻譯文字和文件
處理和翻譯語音
在應用程式中整合生成式 AI 語音能力功能
使用 Azure AI 語音技術來實現文字轉語音和語音轉文字的功能
使用語音合成標記語言 (SSML) 改進文字轉換語音
使用 Azure AI 語音實作自訂語音解決方案
使用 Azure AI 語音實作意圖和關鍵詞辨識
使用 Azure AI 語音服務翻譯語音轉換語音和語音轉換文字
實作自定義語言模型
建立意圖、實體和新增語句
訓練、評估、部署及測試語言理解模型
優化、備份和復原語言理解模型
使用用戶端應用程式中的語言模型
建立自訂問題解答專案
新增問答組，並匯入來源以回答問題
定型、測試及發佈知識庫
建立多回合交談
將替代片語和閒聊新增至知識庫
匯出知識庫
建立多語言問題解答解決方案
實作自訂翻譯，包括訓練、改善及發佈自訂模型
實作知識採礦和資訊擷取解決方案（15-20%）
實作 Azure AI 搜尋服務解決方案
布建 Azure AI 搜尋資源、建立索引並定義技能集
建立數據源和索引器
實作自訂技能並將其包含在技能中
建立並執行索引子
查詢索引，包括語法、排序、篩選和萬用字元
管理知識存放區投影，包括檔案、物件和資料表投影
實作語意和向量存放區解決方案
實作 Azure AI 文件智慧服務解決方案
佈建文件智慧服務資源
使用預建模型從文件中擷取資料
實作自訂文件智慧服務模型
定型、測試和發佈自訂文件智慧服務模型
建立撰寫的文件智慧服務模型
使用 Azure AI Content Understanding 擷取資訊
建立 OCR 管線以從影像和文件擷取文字
摘要、分類及偵測文件的屬性
從檔擷取實體、數據表和影像
使用 Azure AI Content Understanding 處理和內嵌檔、影像、影片和音訊
學習資源
建議您在參加測驗之前，先進行訓練並取得實作經驗。 我們提供了自學選項和課堂訓練，以及文件、社群網站和影片的連結。
| 學習資源 | 學習和文件的連結 |
|---|---|
| 接受訓練 | 從自學型學習路徑與課程模組中選擇，或參加導學型課程 |
| 尋找文件 |
Azure AI 服務 Azure AI 視覺 Azure AI 影片索引器 Azure AI 語言 Azure AI 語音 Azure AI 搜尋服務 Azure OpenAI Azure AI 文件智慧服務 |
| 詢問問題 | Microsoft問答 |Microsoft Docs |
| 取得社群支援 |
AI - 機器學習 - Microsoft Tech Community (英文) AI - 機器學習部落格 - Microsoft Tech Community (英文) |
| 追蹤 Microsoft Learn | Microsoft Learn - Microsoft Tech Community (英文) |
| 尋找影片 |
AI 節目 瀏覽其他 Microsoft Learn 節目 |
變更記錄檔
下表摘要說明所測量到的目前與先前版本技能之間的變更。 功能群組採用粗體字樣，後面接著每個群組內的目標。 這份資料表會比較受測驗技能的先前與目前版本，而資料表中的第三個資料行則會描述變更範圍。
| 2025年4月30日之前的技能領域 | 技能領域截至 2025 年 4 月 30 日 | 變更 |
|---|---|---|
| 對象個人檔案 | 沒有變化 | |
| 規劃和管理 Azure AI 解決方案 | 規劃和管理 Azure AI 解決方案 | % 的測驗占比增加 |
| 選取適當的 Azure AI 服務 | 選取適當的 Azure AI Foundry 服務 | 輕微 |
| 規劃、建立和部署 Azure AI 服務 | 規劃、建立及部署 Azure AI Foundry 服務 | 主要 |
| 管理、監視及保護 Azure AI 服務 | 管理、監視及保護 Azure AI Foundry 服務 | 輕微 |
| 負責任地實作 AI 解決方案 | 新增功能 | |
| 實作內容仲裁解決方案 | 實作生成式 AI 解決方案 | % 的測驗占比增加 |
| 建立內容傳遞的解決方案 | 已刪除 | |
| 利用 Azure AI Foundry 建置生成式 AI 解決方案 | 新增功能 | |
| 使用 Foundry 模型中的 Azure OpenAI 來產生內容 | 新增功能 | |
| 將生成式 AI 解決方案優化並使運作 | 新增功能 | |
| 實作代理程序解決方案 | 新增功能 | |
| 建立自定義代理程式 | 新增功能 | |
| 實作電腦視覺解決方案 | 實作電腦視覺解決方案 | 已減少測驗百分比 |
| 使用 Azure AI 視覺實作自定義視覺模型 | 實作自定義視覺模型 | 輕微 |
| 實作自然語言處理解決方案 | 實作自然語言處理解決方案 | 已減少測驗百分比 |
| 使用 Azure AI 語言分析文字 | 分析及翻譯文字 | 輕微 |
| 使用 Azure AI 語音處理語音 | 處理和翻譯語音 | 主要 |
| 翻譯語言 | 已刪除 | |
| 使用 Azure AI 語言實作和管理語言理解模型 | 實作自定義語言模型 | 主要 |
| 使用 Azure AI 語言建立問題解答解決方案 | 已刪除 | |
| 實作知識採礦和檔智能解決方案 | 實作知識採礦和資訊擷取解決方案 | % 的測驗占比增加 |
| 實作 Azure AI 搜尋服務解決方案 | 實作 Azure AI 搜尋服務解決方案 | 主要 |
| 實作 Azure AI 文件智慧服務解決方案 | 實作 Azure AI 文件智慧服務解決方案 | 輕微 |
| 使用 Azure AI Content Understanding 擷取資訊 | 新增功能 | |
| 實作生成式 AI 解決方案 | 已刪除 | |
| 使用 Azure OpenAI 服務產生內容 | 已刪除 | |
| 最佳化生成式 AI | 已刪除 |