「マイクロソフト系技術情報 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。
目次 †
概要 †
コース AI-102T00-A: Azure で AI ソリューションを開発する
生成 AI アプリを開発 †
https://learn.microsoft.com/ja-jp/training/paths/create-custom-copilots-ai-studio/
- AI 機能:
- 生成AI ≒ LLM
- (LLM)エージェント
- 画像処理、音声処理、(NLP)自然言語処理
- 情報抽出(OCRやDocument Intelligence、構造化出力)
- 意思決定支援(BI/AI、データ・アナリシス)
- LLM関連キーワード:LLM、SLM、自然言語処理、マルチモーダル、エージェント、構造化出力
- Available Foundry Tools:事前構築済みの拡張ツール群
- OpenAI
- Vision、Speech、Language、Translator
- AI Face、AI Custom Vision
- Document Intelligence
- Content Understanding
- Microsoft Foundry Content Safety
- AI Search
- 鋳造所プロジェクト
- Microsoft Foundryのモデル、Agent Service
- Tools、評価と責任ある AI 開発のためのツール
- 鋳造所プロジェクトを含む
- Prompt Flow、ファインチューニングなど
- Azure Storage と Azure Key Vaultを含む
- プログラミング言語、API、SDK
- Microsoft Foundry SDK(統合的利用)
- Foundry Tools SDK(個別利用)
- Microsoft Foundry Models API
- Microsoft Foundry Agent Service
AI エージェントを開発 †
https://learn.microsoft.com/ja-jp/training/paths/develop-ai-agents-on-azure/
- LLM系のユースケース
- 音声テキスト変換とテキスト読み上げ変換
- 機械翻訳
- テキスト分類
- エンティティ抽出
- テキストの要約
- 質問の回答
- 理由の解説
- タスクの種類
- モダリティ、ツール
- 地域固有およびドメイン特化のモデル
- 精度/オープン性
- オープン モデルと独自モデルの間で柔軟性とパフォーマンスのバランスを取る
- 精度・パフォーマンスでモデルをフィルター処理
- デプロイ
- 大規模/小規模
- パフォーマンス(必要になるリソース的な意味で)
- パフォーマンスのベンチマーキング
- 精度:0/1なので主には分類問題
- 一貫性:人間の言語に近いか?
- 流暢さ:自然に聞こえるか?
- グラウンデッドネス:検証データで入出力のアラインメントを測定
- GPT類似性:検証データで出力のセマンティック類似性を定量化
- 品質インデックス:0-1 の比較集計スコア
- 費用:トークンあたりの価格
- プロトタイプをスケーリングする際の考慮事項
- モデルのデプロイ
- モデルの監視と最適化
- プロンプト管理
- モデルライフサイクル
- デプロイ オプション:Microsoft Foundry を使用して言語モデルをエンドポイントにデプロイする
- 標準デプロイ: Microsoft Foundry プロジェクト リソースでホスト
- サーバーレス コンピューティング: Microsoft Foundry ハブ プロジェクトの Microsoft が管理する専用サーバーレス エンドポイントでホスト
- マネージド コンピューティング: モデルは、Microsoft Foundry ハブ プロジェクトのマネージドVMでホスト
| サポート・モデル | ホスティング | 課金基準 |
| 標準 | Foundry モデル | Foundry リソース | トークン |
| サーバーレス | Hub内のリソース |
| マネージド | OSS、カスタム | コンピューティング |
- プロンプト・パターンを適用してモデルの出力を最適化する
- (システム プロンプトで)モデルにペルソナを指示
- (システム プロンプト、ユーザー プロンプトで)モデルをガイド
- (システム プロンプト、ユーザー プロンプトで)出力形式を指定
- (システム プロンプトで)モデルに理由を求める。
- (ユーザー プロンプトで)モデルにコンテキストを追加。
- モデル最適化戦略には、RAGとファインチューニングがある。
自然言語ソリューションを開発 †
https://learn.microsoft.com/ja-jp/training/paths/develop-language-solutions-azure-ai/
CVソリューションを開発 †
https://learn.microsoft.com/ja-jp/training/paths/create-computer-vision-solutions-azure-ai/
AI 情報抽出ソリューションを開発 †
https://learn.microsoft.com/ja-jp/training/paths/ai-extract-information/
詳細 †
以下、機械学習や深層学習の知識のみで回答可能なものは省略してある。
参考 †
リンク(公式) †
Training | Microsoft Learn †
学習ガイド †
製品ドキュメント系 †
ネット情報 †
試験前 †
模擬試験 †
申し込み †
Tags: :.NET開発, :構成管理ツール, :CI, :BI/AI