標籤: AI-102

作者： Nidhi Chappell ，Azure AI 基礎設施總經理，Eric Boyd公司副總裁，AI 平台
生成式人工智慧是一項強大的變革性技術，有潛力推動從製造到零售、從金融服務到醫療保健等眾多產業的發展。我們對硬體和人工智慧基礎設施的早期投資正在幫助客戶實現生成人工智慧所能提供的效率和創新。我們的Azure AI 基礎設施是我們擴展產品的支柱，Azure OpenAI 服務處於這項轉型的最前沿，為開發人員提供在 Azure 上建置下一代人工智慧應用程式所需的系統、工具和資源平台。透過生成式人工智慧，使用者可以創造更豐富的使用者體驗、推動創新並提高企業生產力。 

作為我們致力於為客戶帶來 AI 變革力量的承諾的一部分，今天我們宣布更新如何為企業提供 Azure AI 基礎設施和應用程式支援。隨著Azure OpenAI服務的全球擴張，我們正在多個新區域推出OpenAI最先進的模型GPT-4和GPT-35-Turbo，為全球企業提供無與倫比的生成式AI能力。我們的 Azure AI 基礎設施為這種可擴展性提供了動力，我們將繼續對其進行投資和擴展。我們也推出了 ND H100 v5 虛擬機系列，配備 NVIDIA H100 Tensor Core 圖形處理單元 (GPU) 和低延遲網絡，推動企業進入 AI 應用的新時代。

以下是這些進步如何在整個堆疊中擴展 Microsoft 的統一 AI 方法。

ND H100 v5 虛擬機器系列全面上市：前所未有的 AI 處理與規模
今天，我們的 Azure ND H100 v5 虛擬機器 (VM) 系列正式上市，該系列配備了最新的 NVIDIA H100 Tensor Core GPU 和 NVIDIA Quantum-2 InfiniBand 網路。該 VM 系列是根據 Microsoft 在提供超級運算效能和規模方面的豐富經驗精心設計的，以應對尖端 AI 工作負載呈指數級增長的複雜性。作為我們對生成式人工智慧持續深入投資的一部分，我們正在利用人工智慧優化的 4K GPU 集群，並將在明年增加到數十萬個最新 GPU。

ND H100 v5 現已在美國東部和美國中南部 Azure 區域推出。企業可以在Microsoft Learn上註冊對存取新 VM 的興趣或查看有關 ND H100 v5 VM 系列的技術詳細資訊。

目前，ND H100 v5 VM 包括以下功能：

AI 超級運算 GPU：這些虛擬機器配備 8 個 NVIDIA H100 Tensor Core GPU，可提供比前幾代更快的 AI 模型效能，為企業提供無與倫比的運算能力。
新一代電腦處理單元 (CPU)：了解 CPU 效能對於 AI 訓練和推理的重要性，我們選擇第四代 Intel Xeon 可擴充處理器作為這些虛擬機器的基礎，以確保最佳的處理速度。
低延遲網路：採用NVIDIA Quantum-2 ConnectX-7 InfiniBand（每個GPU 400Gb/s，每個虛擬機器3.2 Tb/s 的跨節點頻寬）確保跨GPU 的無縫效能，與全球高效能超級電腦的功能相匹配。
優化主機到 GPU 的效能：借助 PCIe Gen5 為每個 GPU 提供 64GB/s 的頻寬，Azure 在 CPU 和 GPU 之間實現了顯著的效能優勢。
大規模記憶體和記憶體頻寬：DDR5 記憶體是這些虛擬機器的核心，可提供更高的資料傳輸速度和效率，使其成為具有較大資料集的工作負載的理想選擇。
這些虛擬機器已經證明了它們的效能優勢，與前幾代的 FP16 相比，使用新的 8 位元 FP8 浮點資料類型時，矩陣乘法運算的速度提高了六倍。ND H100 v5 虛擬機器在 BLOOM 175B 端到端模型推理等大型語言模型中實現了高達兩倍的加速，展示了其進一步優化 AI 應用程式的潛力。
Azure OpenAI 服務邁向全球：在全球擴展尖端模型
我們很高興地宣布 Azure OpenAI 服務在全球擴展，將 OpenAI 的尖端模型（包括 GPT-4 和 GPT-35-Turbo）帶給全球更廣泛的受眾。我們的新生活區域澳洲東部、加拿大東部、美國東部 2、日本東部和英國南部的服務擴展了我們對尋求強大生成人工智慧能力的組織的影響力和支持。隨著這些區域的增加，Azure OpenAI 服務現已在更多地點推出，補充了我們在美國東部、法國中部、美國中南部和西歐的現有可用性。Azure OpenAI 服務的反應非常好，自上次揭露以來，我們的客戶群幾乎增加了兩倍。我們現在自豪地為超過 11,000 名客戶提供服務，本季平均每天吸引 100 名新客戶。這一顯著的成長證明了我們的服務為渴望利用人工智慧潛力來滿足其獨特需求的企業帶來的價值。

作為此次擴展的一部分，我們將提高 Azure OpenAI 最先進的生成式 AI 模型 GPT-4 在新區域的可用性。這項增強功能使更多客戶能夠利用 GPT-4 的功能來產生內容、文件智慧、客戶服務等。透過 Azure OpenAI 服務，組織可以將其營運推向新的高度，推動各產業的創新和轉型。

開發生成式人工智慧的負責任方法
Microsoft 對負責任的 AI的承諾是 Azure AI 和機器學習的核心。這個人工智慧平台整合了強大的安全系統，並利用人類回饋機制來負責任地處理有害輸入，確保為使用者和最終消費者提供最大程度的保護。企業可以申請存取 Azure OpenAI 服務，並釋放生成式 AI 的全部潛力，將其營運推向新的高度。

我們邀請世界各地的企業和開發者加入我們這趟變革之旅，讓我們引領人工智慧創新。Azure OpenAI 服務證明了 Microsoft 致力於讓 AI 對各種規模的企業都易於存取、可擴展且具有影響力。讓我們共同擁抱生成式 AI 的力量和 Microsoft 對負責任的 AI 實踐的承諾，以在全球範圍內推動積極影響和成長。

客戶靈感
生成式人工智慧正在徹底改變各個行業，包括內容創建和設計、加速自動化、個人化行銷、客戶服務、聊天機器人、產品和服務創新、語言翻譯、自動駕駛、詐欺偵測和預測分析。我們的客戶利用生成式人工智慧進行創新的方式為我們帶來了啟發，並期待看到世界各地的客戶如何利用這些技術進行建構。

梅賽德斯-奔馳正在 Azure OpenAI 服務的支援下，為駕駛員創新車內體驗。升級後的「Hey Mercedes」功能比以往更加直觀和對話。畢馬威 (KPMG)是一家全球專業服務公司，利用我們的服務來改善其服務交付模式、實現智慧自動化並增強編碼生命週期。Wayve使用 Azure 機器學習和 Azure 的 AI 基礎設施訓練用於自動駕駛的大規模基礎神經網路。微軟合作夥伴SymphonyAI推出 Sensa Copilot，使金融犯罪調查人員能夠減輕非法活動對經濟和組織造成的負擔。透過自動收集、整理和匯總財務和第三方信息，Sensa Copilot 可以識別洗錢行為，並促進調查人員快速有效地進行分析。了解所有 Azure AI 和 ML 客戶案例。

AI-102考試學習指南應説明你了解考試的預期內容，並包含考試可能涵蓋的主題摘要以及指向其他資源的連結。 本文檔中的資訊和材料可以説明你在準備考試時集中精力學習。

有用連結 說明
查看自 2023 年 8 月 23 日起測試的技能 此清單表示在提供的日期之後測試的技能。 如果你計劃在該日期之後參加考試，請學習此清單。
查看 2023 年 8 月 23 日之前測試的技能 如果在提供的日期之前參加考試，請學習此技能清單。
更改紀錄 如果想要查看將在提供的日期所做的更改，可以直接轉到更改日誌。
如何獲得認證 有些認證只需要通過一項考試，而另一些認證則需要通過多項考試。
認證續訂 Microsoft 助理、專業和專家認證每年都會過期。 你可以通過 Microsoft Learn 上的免費在線評估進行續訂。
Microsoft Learn 個人資料 通過將認證個人資料連接到 Microsoft Learn，可以安排和續訂考試以及共用和列印證書。
考分和成績報告 需要 700 分或更高的分數才能通過。
考試沙盒 可以通過訪問我們的考試沙箱來探索考試環境。
申請調整 如果你使用輔助設備、需要額外時間或需要修改考試體驗的任何部分，你可以申請住宿。
進行免費的練習評估 通過練習題測試技能，説明你為考試做準備。
考試更新
我們的考試會定期更新，以反映執行某一角色所需的技能。 我們提供了兩個版本的技能測評目標，具體取決於你參加考試的時間。

我們始終首先更新考試的英語版本。 一些考試已當地語系化為其他語言，在英語版本更新后大約八周進行更新。 雖然 Microsoft 會盡一切努力更新當地語系化考試，但有時考試的當地語系化版本可能未按此計劃進行更新。 其他可用語言列在「考試詳細資訊」網頁的「安排考試」 部分。 如果考試不以你的首選語言提供，你可以請求額外 30 分鐘時間來完成考試。

注意
每項技能下面的項目符號旨在說明我們如何評估該技能。 考試中可能會涉及到相關的主題。

注意
大多數問題都涉及正式發佈 （GA） 的功能。 如果經常使用預覽功能，該考試可能會包含有關這些功能的問題。

自 2023 年 8 月 23 日起測試的技能
受眾概況
Microsoft Azure AI 工程師構建、管理和部署充分利用 Azure 認知服務和 Azure 應用 AI 服務的 AI 解決方案。 他們的職責包括參與 AI 解決方案開發的所有階段，從需求定義和設計到開發、部署、集成、維護、性能優化和監視。

這些專業人員與解決方案架構師合作將其願景轉化為事實，並與數據科學家、數據工程師、IoT 專家、基礎結構管理員和其他軟體開發人員合作，以構建完整的端到端 AI 解決方案。

Azure AI 工程師具有開發使用 Python 或 C# 等語言的解決方案的經驗，並且應該能夠使用基於 REST 的 API 和軟體開發工具套件 （SDK） 來構建安全的圖像處理、視頻處理、自然語言處理 （NLP）、知識挖掘和對話式 AI 解決方案。 他們應熟悉實現 AI 解決方案的所有方法。 此外，他們了解構成 Azure AI 產品群組的元件以及可用的數據儲存選項。 Azure AI 工程師還需要理解並能夠應用負責任 AI 原則。

計劃和管理 Azure AI 解決方案 （25-30%）

實現影像和視訊處理解決方案 （15-20%）

實現自然語言處理解決方案 （25-30%）

實現知識挖掘解決方案 （5-10%）

實現對話式 AI 解決方案 （15-20%）

計劃和管理 Azure AI 解決方案 （25-30%）
選擇適當的 Azure AI 服務
為視覺解決方案選擇適當的服務

為語言分析解決方案選擇適當的服務

為決策支援解決方案選擇適當的服務

為語音解決方案選擇適當的服務

選擇適當的應用 AI 服務

為 Azure AI 服務計畫和配置安全性
管理帳戶金鑰

管理資源的身份驗證

使用 Azure 虛擬網路保護服務

計劃符合負責任 AI 原則的解決方案

創建和管理 Azure AI 服務
創建 Azure AI 資源

配置診斷日誌記錄

管理 Azure AI 服務的成本

監視 Azure AI 資源

部署 Azure AI 服務
確定服務的預設終結點

使用 Azure 門戶創建資源

將 Azure AI 服務整合到持續整合 /持續部署 （CI/CD） 管道中

計劃容器部署

在連接的環境中實現預生成容器

創建解決方案以檢測異常並改進內容
創建使用異常檢測器（認知服務的一部分）的解決方案

創建使用 Azure 內容審查器（認知服務的一部分）的解決方案

創建使用個人化體驗創建服務（認知服務的一部分）的解決方案

創建使用 Azure 指標顧問（Azure 應用 AI 服務的一部分）的解決方案

創建使用 Azure 沉浸式閱讀器（Azure 應用 AI 服務的一部分）的解決方案

實現影像和視訊處理解決方案 （15-20%）
分析圖像
選擇適當的視覺特徵以滿足圖像處理要求

創建圖像處理請求以包含適當的圖像分析功能

解釋圖像處理回應

從圖像中提取文字
使用電腦視覺服務從圖像或 PDF 中提取文字

使用電腦視覺服務轉換手寫文字

使用 Azure 表單識別器中的預生成模型提取資訊

為 Azure 表單識別器生成和優化自定義模型

使用自定義視覺服務（Azure 認知服務的一部分）實現圖像分類和物體檢測
在圖像分類和物體檢測模型之間選擇

指定模型配置選項，包括類別、版本和壓縮

標記圖像

訓練自定義圖像模型，包括圖像分類和物體檢測

管理訓練反覆運算

評估模型指標

發佈已訓練的模型

匯出模型以在特定目標上運行

以 Docker 容器形式實現自定義視覺模型

解釋模型回應

處理視頻
使用 Azure 影片索引器處理視頻

使用 Azure 影片索引器從視頻或即時流中提取見解

使用 Azure 影片索引器實現內容審核

將自定義語言模型集成到 Azure 視頻索引器中

實現自然語言處理解決方案 （25-30%）
分析文本
檢索和處理關鍵短語

檢索和處理實體

檢索和處理情緒

檢測文字中使用的語言

偵測個人身份資訊 （PII）

處理語音
實現和自定義文本轉語音

實現和自定義語音轉文本

使用 SSML 和神經網路定製聲音改進文字轉語音

使用短語清單和自定義語音辨識改進語音轉文本

實現意向識別

實現關鍵字識別

轉換語言
使用轉換器服務轉換文字和文件

實現自定義轉換，包括訓練、改進和發佈自定義模型

使用語音服務將語音轉換為語音

使用語音服務將語音轉換為文本

同時轉換為多種語言

生成和管理語言理解模型
創建意向並添加語句

創建實體

訓練、評估、部署和測試語言理解模型

優化語言理解 （LUIS） 模型

使用業務流程工作流集成多種語言服務模型

導入和導出語言理解模型

創建問題解答解決方案
創建問題解答專案

手動添加問答對

匯入源

訓練和測試知識庫

發佈知識庫

創建多回合對話

添加備用措辭

向知識庫添加聊天內容

導入知識庫

創建多語言問題解答解決方案

創建多域問題解答解決方案

對問答對使用元數據

實現知識挖掘解決方案 （5-10%）
實現認知搜索解決方案
預配認知搜索資源

創建數據源

定義索引

創建並運行索引器

查詢索引，包括語法、排序、篩選和通配符

管理知識存儲投影，包括檔、物件和表投影

將 AI 擴充技能應用於索引器管道
將認知服務帳戶附加到技能組

選擇並包含文檔的內置技能

實現自定義技能並將其包含在技能組中

實現增量擴充

實現對話式 AI 解決方案 （15-20%）
設計和實現對話流
設計機器人的對話邏輯

為機器人選擇合適的活動處理程式、對話或主題、觸發器和狀態處理

生成對話機器人
通過範本創建機器人

從頭開始創建機器人

實現活動處理程式、對話或主題和觸發器

實現特定於通道的邏輯

實現自適應卡片

在機器人中實現多語言支援

實現多步驟對話

管理機器人的狀態

將認知服務集成到機器人中，包括問題解答、語言理解和語音服務

測試、發佈和維護對話機器人
使用 Bot Framework Emulator 或 Power Virtual Agents Web 應用測試機器人

在特定於通道的環境中測試機器人

排查對話機器人問題

部署機器人邏輯

學習資源
我們建議你在參加考試之前進行培訓並獲得實踐經驗。 我們提供自學選項和課堂培訓，以及指向文檔、社區網站和視頻的連結。

學習資源 學習和文件連結
參加培訓 從自定進度學習路徑和模組中進行選擇，或參加講師引導式課程
查找文件 Azure 認知服務
電腦視覺
Azure 視頻索引器
語言理解
語音轉文本
語音翻譯
Azure 認知搜索
Azure 機器人服務
提問 Microsoft Q&A | Microsoft Docs
獲取社區支援 AI – 機器學習 – Microsoft Tech Community
AI – 機器學習博客 – Microsoft Tech Community
關注 Microsoft Learn Microsoft Learn – Microsoft Tech Community
查找視頻 AI Show
流覽其他 Microsoft Learn 節目
更改紀錄
理解表的關鍵：主題組（也稱為功能組）以粗體字樣顯示，後跟每個組中的目標。 下表比較了兩個版本的考試測評技能，第三列描述了更改程度。

2023 年 8 月 23 日之前測評的技能領域 自 2023 年 8 月 23 日開始測評的技能領域 更改
受眾概況 次要
計劃和管理 Azure AI 解決方案 計劃和管理 Azure AI 解決方案 沒有變化
選擇適當的 Azure AI 服務 選擇適當的 Azure AI 服務 沒有變化
為 Azure AI 服務計畫和配置安全性 為 Azure AI 服務計畫和配置安全性 沒有變化
創建和管理 Azure AI 服務 創建和管理 Azure AI 服務 沒有變化
部署 Azure AI 服務 部署 Azure AI 服務 沒有變化
創建解決方案以檢測異常並改進內容 創建解決方案以檢測異常並改進內容 沒有變化
實現圖像和視頻處理解決方案 實現圖像和視頻處理解決方案 沒有變化
分析圖像 分析圖像 沒有變化
從圖像中提取文字 從圖像中提取文字 沒有變化
使用自定義視覺服務（Azure 認知服務的一部分）實現圖像分類和物體檢測 使用自定義視覺服務（Azure 認知服務的一部分）實現圖像分類和物體檢測 Minor
處理視頻 處理視頻 沒有變化
實現自然語言處理解決方案 實現自然語言處理解決方案 沒有變化
分析文本 分析文本 沒有變化
處理語音 處理語音 沒有變化
轉換語言 轉換語言 沒有變化
生成和管理語言理解模型 生成和管理語言理解模型 次要
創建問題解答解決方案 創建問題解答解決方案 沒有變化
實現知識挖掘解決方案 實現知識挖掘解決方案 沒有變化
實現認知搜索解決方案 實現認知搜索解決方案 沒有變化
將 AI 擴充技能應用於索引器管道 將 AI 擴充技能應用於索引器管道 沒有變化
實現對話式 AI 解決方案 實現對話式 AI 解決方案 沒有變化
設計和實現對話流 設計和實現對話流 沒有變化
生成對話機器人 生成對話機器人 沒有變化
測試、發佈和維護對話機器人 測試、發佈和維護對話機器人 沒有變化
2023 年 8 月 23 日之前測試的技能
受眾概況
Microsoft Azure AI 工程師構建、管理和部署充分利用 Azure 認知服務和 Azure 服務的 AI 解決方案。 他們的職責包括參與 AI 解決方案開發的所有階段，從需求定義和設計到開發、部署、集成、維護、性能優化和監視。

這些專業人員與解決方案架構師合作將其願景轉化為事實，並與數據科學家、數據工程師、IoT 專家、基礎結構管理員和其他軟體開發人員合作，以構建完整的端到端 AI 解決方案。

Azure AI 工程師具有開發使用 Python 或 C# 等語言的解決方案的經驗，並且應該能夠使用基於 REST 的 API 和軟體開發工具套件 （SDK） 來構建安全的圖像處理、視頻處理、自然語言處理 （NLP）、知識挖掘和對話式 AI 解決方案。 他們應熟悉實現 AI 解決方案的所有方法。 此外，他們了解構成 Azure AI 產品群組的元件以及可用的數據儲存選項。 Azure AI 工程師還需要理解並能夠應用負責任 AI 原則。

計劃和管理 Azure AI 解決方案 （25-30%）

實現影像和視訊處理解決方案 （15-20%）

實現自然語言處理解決方案 （25-30%）

實現知識挖掘解決方案 （5-10%）

實現對話式 AI 解決方案 （15-20%）

計劃和管理 Azure AI 解決方案 （25-30%）
選擇適當的 Azure AI 服務
為視覺解決方案選擇適當的服務

為語言分析解決方案選擇適當的服務

為決策支援解決方案選擇適當的服務

為語音解決方案選擇適當的服務

選擇適當的應用 AI 服務

為 Azure AI 服務計畫和配置安全性
管理帳戶金鑰

管理資源的身份驗證

使用 Azure 虛擬網路保護服務

計劃符合負責任 AI 原則的解決方案

創建和管理 Azure AI 服務
創建 Azure AI 資源

配置診斷日誌記錄

管理 Azure AI 服務的成本

監視 Azure AI 資源

部署 Azure AI 服務
確定服務的預設終結點

使用 Azure 門戶創建資源

將 Azure AI 服務整合到持續整合 /持續部署 （CI/CD） 管道中

計劃容器部署

在連接的環境中實現預生成容器

創建解決方案以檢測異常並改進內容
創建使用異常檢測器（認知服務的一部分）的解決方案

創建使用 Azure 內容審查器（認知服務的一部分）的解決方案

創建使用個人化體驗創建服務（認知服務的一部分）的解決方案

創建使用 Azure 指標顧問（Azure 應用 AI 服務的一部分）的解決方案

創建使用 Azure 沉浸式閱讀器（Azure 應用 AI 服務的一部分）的解決方案

實現影像和視訊處理解決方案 （15-20%）
分析圖像
選擇適當的視覺特徵以滿足圖像處理要求

創建圖像處理請求以包含適當的圖像分析功能

解釋圖像處理回應

從圖像中提取文字
使用電腦視覺服務從圖像或 PDF 中提取文字

使用電腦視覺服務轉換手寫文字

使用 Azure 表單識別器中的預生成模型提取資訊

為 Azure 表單識別器生成和優化自定義模型

使用自定義視覺服務（Azure 認知服務的一部分）實現圖像分類和物體檢測
在圖像分類和物體檢測模型之間選擇

指定模型配置選項，包括類別、版本和壓縮

標記圖像

訓練自定義圖像模型，包括分類器和檢測器

管理訓練反覆運算

評估模型指標

發佈已訓練的模型反覆運算

匯出模型以在特定目標上運行

以 Docker 容器形式實現自定義視覺模型

解釋模型回應

處理視頻
使用 Azure 影片索引器處理視頻

使用 Azure 影片索引器從視頻或即時流中提取見解

使用 Azure 影片索引器實現內容審核

將自定義語言模型集成到 Azure 視頻索引器中

實現自然語言處理解決方案 （25-30%）
分析文本
檢索和處理關鍵短語

檢索和處理實體

檢索和處理情緒

檢測文字中使用的語言

偵測個人身份資訊 （PII）

處理語音
實現和自定義文本轉語音

實現和自定義語音轉文本

使用 SSML 和神經網路定製聲音改進文字轉語音

使用短語清單和自定義語音辨識改進語音轉文本

實現意向識別

實現關鍵字識別

轉換語言
使用轉換器服務轉換文字和文件

實現自定義轉換，包括訓練、改進和發佈自定義模型

使用語音服務將語音轉換為語音

使用語音服務將語音轉換為文本

同時轉換為多種語言

生成和管理語言理解模型
創建意向並添加語句

創建實體

訓練、評估、部署和測試語言理解模型

優化語言理解 （LUIS） 模型

使用 Orchestrator 集成多種語言服務模型

導入和導出語言理解模型

創建問題解答解決方案
創建問題解答專案

手動添加問答對

匯入源

訓練和測試知識庫

發佈知識庫

創建多回合對話

添加備用措辭

向知識庫添加聊天內容

導入知識庫

創建多語言問題解答解決方案

創建多域問題解答解決方案

對問答對使用元數據

實現知識挖掘解決方案 （5-10%）
實現認知搜索解決方案
預配認知搜索資源

創建數據源

定義索引

創建並運行索引器

查询索引，包括语法、排序、筛选和通配符

管理知识存储投影，包括文件、对象和表投影

将 AI 扩充技能应用于索引器管道
将认知服务帐户附加到技能组

选择并包含文档的内置技能

实现自定义技能并将其包含在技能组中

实现增量扩充

实现对话式 AI 解决方案 (15-20%)
设计和实现对话流
设计机器人的对话逻辑

为机器人选择合适的活动处理程序、对话或主题、触发器和状态处理

生成對話機器人
通過範本創建機器人

從頭開始創建機器人

實現活動處理程式、對話或主題和觸發器

實現特定於通道的邏輯

實現自適應卡片

在機器人中實現多語言支援

實現多步驟對話

管理機器人的狀態

將認知服務集成到機器人中，包括問題解答、語言理解和語音服務

測試、發佈和維護對話機器人
使用 Bot Framework Emulator 或 Power Virtual Agents Web 應用測試機器人

在特定於通道的環境中測試機器人

排查對話機器人問題

部署機器人邏輯

AI-102: Designing and Implementing a Microsoft Azure AI Solution
該考試內容將在2021年7月29日更新。請下載如下的技能測試檔來查看將要改變的部分

AI-102 考試報考者：Designing and Implementing a Microsoft Azure AI Solution 利用 Azure Cognitive Services、Azure Cognitive Search和 Microsoft Bot Framework 構建、管理和部署 AI 解決方案。

他們的責任包括參與 AI 解決方案開發的所有階段——從要求定義和設計到開發、部署、維護、執行調整和管理。

他們使用解決方案架構來翻譯他們的版本及與資料科學家、資料工程師、IoT 專家及 AI 開發人員合作來構建完整的端到端 AI 解決方案。

此考試的報考者應精通 C#、Python 或 JavaScript 且應能夠使用基於 REST 的 APIs 和 SDKs 來構建電腦版本、自然語言處理、知識挖掘及 Azure 上的對話 AI 解決方案。

他們也應該理解構成 Azure AI 組合的元件及可用的資料存儲選項。另外，報考者必須理解且能夠應用 AI 原理。

對以下對象的部分需求： Microsoft Certified: Azure AI Engineer Associate

相關測驗: 無
考試安排:
AI-102: Designing and Implementing a Microsoft Azure AI Solution
語言： 英文

退場日期： 無

本次考試可衡量您完成以下技術任務的能力：計畫並管理Azure Cognitive Services解決方案；實施電腦視覺解決方案；實施自然語言處理解決方案；
台灣地區考試費:$125 USD*,價格取決於考場所在的國家/地區。
測驗的技能
該考試內容將在2021年7月29日更新。請在下方下載考試技能大綱以查看將要改變的地方。
規劃和管理 Azure Cognitive Services 解決方案(15-20%)
實施電腦視覺解決方案(20-25%)
實施自然語言處理解決方案(20-25%)
實施知識挖掘解決方案(15-20%)
實施對話 AI 解決方案(15-20%)