https://learn.microsoft.com/ko-kr/certifications/exams/ai-900/

AI-900

ML(기계 학습) 및 AI(인공 지능) 개념과 관련 Microsoft Azure 서비스, 클라우드 기본 사항 및 클라이언트 서버 애플리케이션에 대한 인식 필요.

---

• 인공지능
• 기계학습 Machine Learning
• 기계학습을 위한 시각적 도구
• 컴퓨터 비전 Computer Vision
• 자연어 NLP 처리
• 의사결정 지원
• 지식 마이닝

시험 AI-900: Microsoft Azure AI 기본 사항 학습 가이드
https://learn.microsoft.com/ko-kr/certifications/resources/study-guides/ai-900

인공 지능 워크로드 및 고려 사항 설명(20~25%)

Azure에서 기계 학습의 기본 원칙 설명(25~30%)

Azure에서 Computer Vision 워크로드의 기능 설명(15~20%)

Custom Vision과 Computer Vision의 특징, 차이점, 장점, 단점 및 활용 방법:

• stackoverflow
  https://stackoverflow.com/questions/52155632/difference-between-computer-vision-api-and-custom-vision-api

	Computer Vision	Custom Vision
특징	사전 훈련된 모델을 사용하여 이미지 또는 비디오 분석	사용자가 제공하는 데이터로 특정 작업을 위한 모델을 학습
차이점	일반적인 이미지 인식 작업에 사용	특정 도메인 또는 특별한 경우의 이미지 인식에 사용
장점	이미지 내의 객체, 텍스트, 얼굴 등을 빠르게 인식 가능	특정 도메인에 대한 높은 수준의 정확도를 달성할 수 있음
단점	특정 도메인에 대한 정확도가 상대적으로 낮을 수 있음	충분한 양의 라벨링된 데이터가 필요로 하며, 학습 시간이 필요함
활용 방법	사물 인식, 얼굴 인식, 텍스트 인식 등 일반적인 이미지 분석	사용자 정의 이미지 인식, 특정 유형의 동물 또는 물체 인식 등

1) Computer Vision :

일반적인 이미지 분석에 적합. 예를 들어, 이미지에서 텍스트를 추출하거나, 사람의 얼굴을 인식하거나, 이미지 내의 특정 객체를 분류하는 등의 작업에 사용.

이러한 기능은 다양한 분야에서 활용. E.g., 보안 카메라 영상에서 사람이나 차량을 인식하거나, 소셜 미디어 이미지에서 텍스트를 추출하는 등의 작업에 사용.

The Computer Vision API is where Microsoft has built their own image models that can give you a few things:

• Image classification - This is where the API will give you a number of tags that classify the image. It should also give you a confidence score of how strongly the model predicts the image to be of that tag.

• Content Moderation - The API can give you an isAdult and isRacy flags to determine if the image meets those criteria. An accompanied confidence score is with those, too.

• OCR - The API can read text within the images and will give you the text. This API can also work with handwritten text instead of just text on signs.

• Facial Recognition - This API will recognize the faces of celebrities or other well-known people within images.

• Landmark Recognition - This will recognize landmarks within images.

2) Custom Vision :

특정 도메인에 대한 이미지 분석에 적합. 예를 들어, 특정 유형의 동물이나 물체를 인식하는 모델을 훈련시킬 수 있습니다. 이러한 기능은 특정 도메인에 특화된 이미지 분석 작업에 사용될 수 있습니다.

E.g., 특정 유형의 동물을 인식하는 야생 동물 카메라 트랩, 특정 유형의 제품을 인식하는 소매점 상품 분류 시스템 등에 사용.

The Custom Vision service is a little bit different where you can train a model of your own images based off of a prebuilt model that Microsoft has. For one thing, this can only do image classification and object detection. The object detection portion is where it will tell you not only what tag an image is, but show where in the image it is. Currently, this part of the service is in preview, but I've seen good results with it so far.

Another difference is that the Custom Vision service allows you to upload your own images. For image classification, this means you can upload your images and, for each image, give it one or multiple tags. So when you run an image through the model it will return the tag(s) it thinks it is along with the tag's confidence score. For object detection, you do the same process, but you pick in the images where the object is you want to detect and give that a tag.

Each time you upload and tag new images the model needs to be trained. From there you can evaluate how well your model performs, give it test images, or even use the REST URLs or SDKs to interact with it.

To summarize, the biggest difference between the two is the Custom Vision service can only do image classification and object detection, as well as take in your own images to perform those against. The Computer Vision APIs can do a bit more, but you don't have any control over how the models are trained.

Azure에서 NLP(자연어 처리) 워크로드의 기능 설명(25~30%)

인공 지능 워크로드 및 고려 사항 설명(20~25%)

일반적인 AI 워크로드의 기능 식별

• 변칙 검색 워크로드의 기능 식별

• Computer Vision 워크로드 식별

• 자연어 처리 워크로드 식별

• 지식 마이닝 워크로드 식별

책임 있는 AI를 위한 지도 원칙 파악

• AI 솔루션의 공정성에 대한 고려 사항 설명

• AI 솔루션의 안정성 및 안전에 대한 고려 사항 설명

• AI 솔루션의 개인정보 및 보안에 대한 고려 사항 설명

• AI 솔루션의 포용성에 대한 고려 사항 설명

• AI 솔루션의 투명성에 대한 고려 사항 설명

• AI 솔루션의 책임에 대한 고려 사항 설명

Azure에서 기계 학습의 기본 원칙 설명(25~30%)

일반적인 기계 학습 유형 식별

• 회귀 기계 학습 시나리오 식별

• 분류 기계 학습 시나리오 식별

• 클러스터링 기계 학습 시나리오 식별

핵심 기계 학습 개념 설명

• 기계 학습을 위한 데이터 세트의 기능 및 레이블 식별

• 기계 학습에서 학습 및 유효성 검사 데이터 세트를 사용하는 방법 설명

Azure Machine Learning Studio의 시각적 도구 기능 설명

• 자동화된 기계 학습

• Azure Machine Learning 디자이너

Azure에서 Computer Vision 워크로드의 기능 설명(15~20%)

일반적인 유형의 Computer Vision 솔루션 식별

• 이미지 분류 솔루션의 기능 식별

• 개체 감지 솔루션의 기능 식별

• 광학 문자 인식 솔루션의 기능 식별

• 얼굴 감지 및 얼굴 분석 솔루션의 기능 식별

Computer Vision 작업에 대한 Azure 도구 및 서비스 식별

Computer Vision 서비스의 기능 식별

Custom Vision 서비스의 기능 식별

Face 서비스의 기능 식별

Form Recognizer 서비스의 기능 식별

Azure에서 NLP(자연어 처리) 워크로드의 기능 설명(25~30%)

일반적인 NLP 워크로드 시나리오의 기능 식별

핵심 구 추출에 대한 기능 및 사용 식별

엔터티 인식에 대한 기능 및 사용 식별

감정 분석에 대한 기능 및 사용 식별

언어 모델링에 대한 기능 및 사용 식별

음성 인식 및 합성에 대한 기능 및 사용 식별

번역에 대한 기능 및 사용 식별

NLP 워크로드에 대한 Azure 도구 및 서비스 식별

언어 서비스의 기능 식별

Speech Service의 기능 식별

Translator 서비스의 기능 식별

Azure에서 대화형 AI 솔루션에 대한 고려 사항 식별

봇의 기능 및 사용 식별

Power Virtual Agents 및 Azure Bot Service의 기능 식별

---

Anomaly Detector
Language Understanding
Azure Machine Learning
Computer Vision
자연어 처리 기술
Azure Bot Service
Speech to Text
Speech Translation

---

DP-900

Prescriptive Analytics(규범(처방)분석): 이러한 결과에 영향을 미치기 위해 취할 수 있는 조치를 권장합니다.
Predictive Analytics(예측분석):  미래에 일어날 가능성이 가장 높은 일을 예측합니다.
Diagnostic Analytics(진단분석) :  과거에 어떤 일이 발생한 이유를 이해하는 데 도움이 됩니다.
Descriptive Analytics(서술분석)  :  과거에 발생한 일을 알려줍니다.