Q1.ある開発チームが、Microsoft Foundry プロジェクトでビジョン対応モデルをデプロイしています。
テキストと画像URLの両方を含むメッセージを送信するアプリケーションを構築します。
このソリューションでは、応答時間をできる限り短く抑える必要があります。
要求にはどのようなメッセージ構造を採用すべきですか。
解答を見る
ビジョン対応モデルでは、テキストと画像を同じユーザーメッセージのcontent配列にまとめて送信できます。
Microsoft Learnでも、画像URLを含む画像入力とテキスト入力を同一要求で扱う例が示されています。
別々の要求に分けず、ユーザーメッセージ内の同じコンテンツ配列に両方を含めるDが、最も応答時間を短くできます。
システムメッセージは主にモデルへの指示用であり、画像質問の入力本体には適しません。
ビジョン対応チャット モデルを使用する
Q2.Azure Speech SDK を用いて、リアルタイムの音声会話に対応する Python アプリケーションを開発しています。
Azure Speech サービスへの接続を設定するには、どの Azure Speech クラスを使用すべきですか。
解答を見る
設問の正答表記はBですが、Microsoft Learn上では、Speechサービスへの接続情報は通常SpeechConfigで構成し、AudioOutputConfigは音声合成の出力先を構成するクラスです。
選択肢の中で最も近いのは、音声合成の出力構成を担うAudioOutputConfigです。
AudioConfigは入力または出力の音声構成、SpeechSynthesizerは合成処理を実行するクラスであり、接続そのものを構成する主役ではありません。
オーディオ出力設定クラス
Q3.Foundry Tools の Azure Content Understanding を利用して、留守番電話の録音を分析するアプリケーションを開発しています。
録音から文字起こしと構造化された情報を取り出す必要があります。
どの種類のアナライザーを選ぶべきですか。
解答を見る
留守番電話の録音は音声データであるため、使用するのは音声アナライザーです。
Microsoft Learnでは、Content Understanding の音声アナライザーが会話音声の文字起こしや話者分離を行い、要約、感情、主要トピックなどの構造化フィールドを抽出できると説明されています。
画像、ビデオ、ドキュメント向けのアナライザーは、入力データの種類が異なるため、この要件には適しません。
Foundry Tools オーディオ ソリューションの Azure Content Understanding
Q4.自社でAIを活用するためのベストプラクティスを整理しています。
各タスクは、Microsoftの責任あるAI原則のどれに該当する例ですか。
回答するには、適切な原則を正しいタスクにドラッグしてください。
各原則は1回、複数回、またはまったく使用されない場合があります。
選択肢を要件のドロップ欄へドラッグ、またはタップして配置。配置済みの欄をクリックで戻せます（同じ選択肢は複数回使用可）。
公平性
包括性
プライバシーとセキュリティ
信頼性と安全性
透明性
解答を見る
Microsoftの責任あるAI原則では、偏りを減らし公平な判断を目指すことはFairness（公平性）、データ保護とアクセス制御はPrivacy and security（プライバシーとセキュリティ）に該当します。
また、AI利用の明示や機能・制限の説明はTransparency（透明性）、十分なテストにより安定動作と安全性を高めることはReliability and safety（信頼性と安全性）です。
各原則を具体的な運用例に対応付けられることが重要です。
Microsoft の責任ある AI
Q5.Microsoft Foundry プロジェクトに、ビジョン対応モデルのデプロイがあります。
Azure OpenAI Responses API を用いて、モデルにプロンプトを送信します。
分析のために画像を渡す必要があります。
要求にはどのコンテンツ項目を含めるべきですか。
解答を見る
Azure OpenAI Responses APIでビジョン対応モデルに画像を渡す場合、画像は入力コンテンツとして扱うため、content配列にinput_imageを含めます。
image_urlを指定して、分析対象の画像を渡す構造が想定されます。
image_generationは画像生成、output_imageは出力画像であり、image_base64はこの設問の正式なコンテンツ項目ではありません。
したがって、分析用の画像を要求に含めるにはinput_imageが正解です。
Azure OpenAI Responses API を使用する
Q6.製品とその対象ユーザーに関する短い説明をもとに、マーケティングメールの下書きを作成するAIソリューションを構築する必要があります。
どのAIワークロードを利用すべきですか。
解答を見る
短い製品説明と対象ユーザーを入力として、マーケティングメールの下書きという新しい文章を作り出す処理は、生成AIの代表的な用途です。
生成AIはプロンプトに基づいて、テキスト、画像、コードなどの新しいコンテンツを生成します。
コンピュータービジョンは画像分析、テキスト分類は既存テキストの分類、音声認識は音声の文字起こしであり、新しいメール文面の生成には該当しません。
生成 AI とエージェントの概要
Q7.Microsoft Foundry プロジェクトに、生成AIモデルのデプロイがあります。
モデルが生成する応答のコストを最小限に抑えつつ、定義された長さの範囲内に収める必要があります。
どのパラメーターを構成すべきですか。
解答を見る
生成AIモデルの応答長を制御し、出力に使われるトークン数を抑えるには、Max Completion Tokensを構成します。
生成されるトークン数は利用量とコストに影響するため、上限を設定することで応答を定義された長さの範囲に収めやすくなります。
TemperatureやTop Pは出力のランダム性を調整する設定であり、最大応答長を直接制限する設定ではありません。
Model version settingsも応答長の制御には使用しません。
Microsoft Foundry Models の Azure OpenAI REST API リファレンス
Q8.Microsoft Foundry プロジェクトに、生成AIモデルのデプロイがあります。
Foundry プレイグラウンドを使ってモデルの動作を確認します。
デプロイ済みのモデルに要求を送信するアプリケーションを開発する必要があります。
モデルを呼び出すために、アプリケーションにはどの情報を含めるべきですか。
解答を見る
アプリケーションからデプロイ済みのAzure OpenAIモデルを呼び出すには、要求の送信先となるモデルエンドポイントと、APIキーまたはMicrosoft Entra IDなどの認証資格情報が必要です。
トレーニングデータセット、Foundryプロジェクトの表示名、プレイグラウンドのセッション履歴は、モデル呼び出しの認証や接続には使用しません。
なお、Azure AI Studioは現在Azure AI Foundryへ統合・名称変更されています。
Azure OpenAI Responses API を使用する
Q9.Foundry Tools の Azure Content Understanding を利用して、留守番電話の録音を処理するアプリケーションを開発しています。
Azure Content Understanding は、音声をテキストへ変換するためにどの機能を使いますか。
解答を見る
音声データをテキストへ変換する機能は、文字起こしです。
Azure Content Understanding の音声分析では、会話や録音などの音声コンテンツを、検索・分析可能なテキスト形式のトランスクリプトに変換できます。
Voice Liveはリアルタイム音声対話、キーフレーズ抽出は重要語句の抽出、OCRは画像や文書内の文字認識であり、留守番電話音声のテキスト化には該当しません。
Foundry Tools オーディオ ソリューションの Azure Content Understanding
Q10.eコマース企業向けに、Conversational Language Understanding（CLU）モデルを構築しています。
モデルが、想定したスコープ外の発話を検出できるようにする必要があります。
何を行うべきですか。
解答を見る
Conversational Language Understanding（CLU）には、Noneインテントという特別なインテントが用意されており、どのカスタムインテントにも該当しない発話を分類するために使われます。
スコープ外の質問や無関係な入力を正しく検出するには、Noneインテントに代表的な発話例を追加して学習させることが重要です。
これにより、ユーザー入力が既存の意図に一致しない場合に、モデルはそれをNoneとして分類できるようになります。
None 意図