この記事でわかること
この記事では、Microsoft Azure上で利用できる 機械学習（Machine Learning）関連サービスの全体像を整理します。 AI-900試験では、「どのAzureサービスを使うべきか」という 選択問題が頻出します。 本記事を読むことで、Azure Machine Learningの立ち位置と、 Azure AI Servicesとの違いが明確になります。
AzureにおけるAI・機械学習の全体構造
AzureのAI関連サービスは、大きく次の2系統に分かれます。
- Azure AI Services（事前構築済みAI）
- Azure Machine Learning（機械学習基盤）
AI-900では、この違いを理解しているかが重要です。
Azure AI Services（おさらい）
Azure AI Servicesは、Microsoftがあらかじめ学習済みのAIモデルを APIとして提供するサービス群です。
- Azure AI Vision（画像認識・OCR）
- Azure AI Language（自然言語処理）
- Azure AI Speech（音声認識・音声合成）
特徴：
- 学習不要ですぐ使える
- データが少なくても利用可能
- カスタマイズ性は限定的
Azure Machine Learningとは何か
Azure Machine Learning（Azure ML）は、 独自の機械学習モデルを作成・学習・デプロイ・管理するための 総合的なプラットフォームです。
AI-900では「Azure ML = 機械学習モデルを自分で作る場合に使う」 という理解で問題ありません。
Azure Machine Learningでできること
- データの前処理
- モデルの学習（Training）
- モデルの評価（Evaluation）
- 推論（Inference）用エンドポイントの作成
- モデルの再学習・管理
Azure Machine Learningの主要コンポーネント
① Azure Machine Learning Workspace
すべての機械学習リソースを管理するための 論理的な作業空間です。
② AutoML（自動機械学習）
AutoMLは、アルゴリズム選択やハイパーパラメータ調整を 自動で行ってくれる機能です。
- 分類
- 回帰
- 時系列予測
AI-900ポイント：
「機械学習の専門知識が少ない場合に適している」
③ Azure ML Designer
Azure ML Designerは、ドラッグ＆ドロップで 機械学習パイプラインを構築できるGUIツールです。
- コードを書かずにモデル作成
- 学習フローを視覚的に理解できる
試験対策：
「ローコード／ノーコードで機械学習を構築したい場合」
④ ノートブック（Python）
Pythonを用いて、より柔軟な機械学習モデルを構築できます。
- scikit-learn
- TensorFlow
- PyTorch
※ AI-900では深い実装知識は不要ですが、 「コードベースで構築できる」点を理解しておきます。
Azure Machine Learningが向いているケース
- 独自データで学習させたい
- 精度を細かく調整したい
- 予測・分類モデルを作りたい
Azure AI Servicesとの使い分け
| 観点 | Azure AI Services | Azure Machine Learning |
|---|---|---|
| 学習 | 不要 | 必要 |
| カスタマイズ | 限定的 | 高い |
| 難易度 | 低 | 中〜高 |
| AI-900での位置づけ | 利用判断 | 基礎理解 |
AI-900でよく出る設問パターン
問題例：
「独自データを用いて予測モデルを作成したい。どのAzureサービスを使うべきか？」
正解：
Azure Machine Learning
まとめ
- Azureの機械学習はAzure Machine Learningが中心
- AutoML・Designerは初心者にも扱いやすい
- AI-900では「使い分けの判断」が重要
AzureでAIを使う際は、 「事前構築AIか、機械学習か」を見極めることが 最初の重要な判断ポイントになります。