この記事でわかること
この記事では、Microsoft公式が定めている AI-900（Azure AI Fundamentals）試験のシラバスをもとに、
・試験範囲の全体像 ・各分野で理解すべきポイント ・「暗記」ではなく「考え方」として押さえるべき点
を体系的に解説します。
これからAI-900を学習する方が、 迷わず正しい順番で学べるロードマップ になることを目的としています。
📌 AI-900をこれから学ぶ方へ
試験範囲の全体像と学習順を整理したロードマップを用意しています。
▶ AI-900学習ロードマップ（基礎から合格まで）
AI-900とはどんな試験か
AI-900は、
Azure上で提供されるAIサービスの基礎理解
を問う試験です。
プログラミング能力や数式理解は不要で、
- AIで何ができるのか
- どんな種類があるのか
- どんな点に注意すべきか
といった概念理解が中心です。
公式シラバスの全体構成
Microsoft公式シラバスでは、 AI-900の試験範囲は大きく次の4分野に分かれています。
- AIワークロードと考慮事項
- 機械学習の基本原理
- Computer Visionのワークロード
- 自然言語処理と生成AI
ここから、それぞれを順番に解説します。
① AIワークロードと考慮事項
この分野では、
「AIはどんな問題に使えるのか」
という考え方が問われます。
具体的には、
- 予測
- 分類
- 異常検知
- 生成AI
といった代表的なAIワークロードの理解が必要です。
また、
- 精度は100%ではない
- データ品質が重要
- 人による確認が必要
といったAI導入時の注意点も頻出です。
② 機械学習の基本原理
この分野では、
AIの中身がどう成り立っているか
を概念レベルで理解することが求められます。
主なポイントは、
- 教師あり学習
- 教師なし学習
- 強化学習
の違いです。
また、
- モデル
- 学習
- 推論
という基本用語の理解も必須です。
AI-900では、 アルゴリズム名や数式は問われません。
「どういう仕組みか」を説明できることが重要です。
③ Computer Visionのワークロード
この分野では、
画像を扱うAIで何ができるか
が問われます。
具体的には、
- 画像分類
- 物体検出
- 顔検出
- OCR（文字認識）
といった代表的な処理の違いを理解します。
また、
Computer Visionが苦手なケース
（暗い画像、角度の違い、学習データ不足など）
も試験で問われやすいポイントです。
④ 自然言語処理と生成AI
この分野では、
人間の言葉をAIがどう扱うか
を理解します。
対象となるのは、
- 感情分析
- キーフレーズ抽出
- エンティティ認識
- 翻訳
といったNLPの基本機能です。
加えて、
- 生成AIとは何か
- 大規模言語モデル（LLM）
- Azure OpenAI
といった近年の重要分野も含まれます。
ハルシネーションやRAGの考え方も、 概念レベルで理解しておく必要があります。
Responsible AI（責任あるAI）
AI-900全体を通して、
Responsible AIの考え方
は非常に重要です。
具体的には、
- 公平性
- 透明性
- 説明責任
- プライバシー
- セキュリティ
といった原則を理解しているかが問われます。
「AIが判断したから正しい」ではなく、
最終責任は人間にある
という考え方が重要です。
AI-900学習の正しい順番
公式シラバスに沿ったおすすめ学習順は、
- AIとは何か・何ができるか
- 機械学習の基本概念
- Computer Vision
- 自然言語処理
- 生成AIとResponsible AI
この順で学ぶことで、 点ではなく線で理解できるようになります。
まとめ
AI-900は、
AIを正しく理解して使うための基礎試験
です。
公式シラバスに沿って、
- AIの種類
- 得意・不得意
- 導入時の注意点
を押さえれば、十分に合格可能です。
この記事を起点に、 各分野を個別記事で深掘りしていくことで、 最短ルートでAI-900合格を目指せます。
AI-900を体系的に学びたい方へ
この記事は「AI-900試験対策」シリーズの一部です。
▼AI-900完全ロードマップはこちら
