-
学習データとテストデータの違い｜Azure AI-900対策
この記事でわかること この記事では、機械学習における 学習データとテストデータの役割の違いを、 初学者でもイメージできるように解説します。 AI-900試験で頻出の「評価の考え方」を理解することが目的です。 📌 他のAI-900出題分野もあわせて確... -
機械学習モデルはどうやって作られるのか（概念理解）｜Azure AI-900対策
この記事でわかること この記事では、機械学習モデルが どのような手順で作られ、どのように使われるのか を概念レベルで解説します。 数式やプログラミングの知識は不要で、 AI-900試験で問われる「流れの理解」に焦点を当てています。 📌 他のAI-... -
AutoMLとは何か？手動MLとの違い｜Azure AI-900対策
この記事でわかること この記事では、Azure Machine Learningで提供される AutoML（Automated Machine Learning）について、 「何が自動化されるのか」「手動MLと何が違うのか」を整理します。 AI-900試験では、 AutoMLが適しているケースを判断できるかが... -
Azure Machine Learningとは？できること・できないこと｜Azure AI-900対策
この記事でわかること この記事では、Microsoft Azureが提供する Azure Machine Learning（Azure ML）について、 「何ができて、何ができないのか」を明確に整理します。 AI-900試験では、Azure MLとAzure AI Servicesの 使い分けを理解しているかが頻繁に... -
Azureで使える機械学習サービスの全体像｜Azure AI-900対策
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 Mach... -
AI導入時に考慮すべきポイント【コスト・精度・データ】｜Azure AI-900対策
この記事でわかること この記事では、AIを導入する際に必ず検討すべき コスト・精度・データの3つの観点について解説します。 AI-900試験では「どのAIを選ぶか」よりも、 AI導入時に何を考慮すべきかが問われる問題が多く出題されます。 本記事を読むこと... -
精度・再現率・適合率とは？AI評価指標の考え方｜Azure AI-900対策
この記事でわかること この記事では、AIや機械学習モデルの性能評価に使われる 「精度（Accuracy）」「再現率（Recall）」「適合率（Precision）」について、 それぞれの意味と使い分けの考え方を解説します。 数式を暗記するのではなく、「どんな場面でど... -
モデル・学習・推論とは何か【AIの基本用語】｜Azure AI-900対策
この記事でわかること この記事では、AIや機械学習の説明で必ず登場する「モデル」「学習」「推論」という3つの基本用語について、 それぞれの意味と関係性を整理します。 単語の定義を暗記するのではなく、「AIがどのような流れで動いているのか」を理解... -
教師あり学習・教師なし学習・強化学習の違い｜Azure AI-900対策
この記事でわかること この記事では、機械学習における代表的な3つの学習方法である「教師あり学習」「教師なし学習」「強化学習」について、 それぞれの仕組み・特徴・適した用途を整理します。 AI-900試験で頻出となる「この課題にはどの学習方法が適切... -
AIはどんな問題に向いているのか／向いていないのか｜Azure AI-900対策
この記事でわかること この記事では、AIが力を発揮する問題の特徴と、AIを使うべきではない問題の違いを明確にします。 単に「AIはすごい」「AIなら何でもできる」という誤解を正し、どのような業務・課題にAIを適用すべきか、 また従来のルールベースや人...
