AI-901 練習問題③【全60問・本番形式・無料】即採点・解説つき｜Azure資格の森

Q2. 自動運転AIで、センサーが汚れて異常値が出ても暴走せず安全に減速・停止し、想定外の状況を安全側に処理する設計にしました。主にどの原則の実装ですか？

A. 公平性

B. 信頼性と安全性

C. プライバシーとセキュリティ

D. 包括性

Q3. ローン審査AIで、チームは(1)居住地域グループ間で承認率に不当な差がないか指標で点検し、(2)外国語話者にも申込手順を多言語で案内しました。(1)が対応する原則はどれですか？

A. 透明性

B. 包括性

C. 説明責任

D. 公平性

Q4. 動画教材に字幕と音声解説を付け、聴覚・視覚に制約のある学習者も同じ内容を学べるようにしました。最も当てはまる原則はどれですか？（似た原則との違いに注意）

A. 包括性

B. 公平性

C. 透明性

D. 説明責任

Q5. 与信AIの運用規程で、企業は「重要な却下判断は人間が最終確認し、誤りがあれば是正と最終責任を負う部署」を定めました。最も当てはまる原則はどれですか？

A. 透明性

B. 公平性

C. 包括性

D. 説明責任

Q6. 「公平性」と「包括性」を区別する説明として正しいものは？

A. 公平性＝誰もがアクセスできる／包括性＝偏りをなくす

B. 公平性＝責任の所在／包括性＝根拠の説明

C. 公平性＝特定グループに偏らない／包括性＝多様な人が等しく使える

D. 公平性＝データ保護／包括性＝安全動作

Q7. 「プライバシーとセキュリティ」を高める取り組みを2つ選んでください。（当てはまるものを2つ選ぶ）

A. 出力を必ず長文にする

B. 学習・推論データを暗号化して保護する

C. ユーザーのデータ削除要求に応じる仕組みを用意する

D. temperature を最大にする

Q8. シナリオと原則の対応が正しければ Yes、誤りなら No を選んでください。（各文が正しければ Yes、誤りなら No）

採用AIが性別で差をつけない → 公平性YesNo

判断根拠をユーザーに説明できる → 透明性YesNo

誰が最終責任を負うか定める → 包括性YesNo

Q9. 次のうち、Microsoftの「責任あるAI」の6原則に含まれないものは？

A. 公平性

B. 透明性

C. 拡張性

D. 説明責任

Q10. 生成AIが文章を作るとき、直前までの流れから次に来る要素を予測します。その「要素」は？

A. トークン（語の断片）

B. ラベル

C. ピクセル

D. リージョン

Q11. 社内ナレッジに基づいて回答させ、ハルシネーションを抑えたい。最も効果的なアプローチと理由の組み合わせは？

A. temperatureを上げる：多様な表現で正確になるから

B. 回答前に社内文書を根拠として与える（グラウンディング／RAG）：モデルが事実に基づけるから

C. max tokensを増やす：長く書くほど正確になるから

D. 画像生成を有効化する：図で補足できるから

Q12. 画像とテキストを同時に1つのプロンプトで扱えるモデルを何と呼びますか？

A. 埋め込みモデル

B. 画像生成モデル

C. 音声認識モデル

D. マルチモーダルモデル

Q13. 通知メッセージAIの出力が時々長すぎて画面で切れてしまいます。回答が一定の長さを超えないよう上限を設けたい。調整すべきは？

A. temperature

B. max tokens

C. top_p

D. コンテキスト長の大きいモデルに変更する

Q14. 大量リクエストを安定して捌くため、1分あたりに処理できるトークン量の上限を表す構成は？

A. リージョン

B. temperature

C. TPM（1分あたりトークン数／クォータ）

D. デプロイ名

Q15. 「機能ベースのモデル選択」で考慮する観点を2つ選んでください。（当てはまるものを2つ選ぶ）

A. ボタンの色

B. 開発者の年齢

C. 必要な能力（要約・推論・画像理解など）

D. コストと応答速度

Q16. 夜間に大量の文書を一括で要約するバッチ処理を動かしたい。即時の応答は不要で、できるだけコストを抑えたい。Foundryのデプロイ種別として最適なのは？

A. Global Standard（従量・即時）

B. Regional Provisioned（予約PTU）

C. Developer（微調整モデルの評価用）

D. Global Batch（非同期・24時間・約50%安）

Q17. 文字（テキスト）を人間らしい音声に変換する機能は？

A. 音声認識（STT）

B. キーフレーズ抽出

C. 音声合成（TTS）

D. 画像生成

Q18. 製品レビューが「肯定的か否定的か」を自動で判定したい。テキスト分析のどの手法ですか？

A. 要約

B. キーフレーズ抽出

C. センチメント分析

D. エンティティ検出

Q19. ニュース記事の本文から人名・組織名・地名を見つけて分類したい。どの手法ですか？

A. エンティティ検出

B. センチメント分析

C. 要約

D. キーフレーズ抽出

Q20. 名刺の画像から、氏名・会社名・電話番号を「項目ごとに構造化」して取り込みたい。単に文字を読むだけでなく、項目の意味づけが必要です。最も適切なのは？

A. 画像内の文字を読むだけのOCR

B. センチメント分析

C. 音声合成

D. 情報抽出（Content Understanding）

Q21. 「テキスト分析」に含まれる手法を2つ選んでください。（当てはまるものを2つ選ぶ）

A. 画像から物体を検出する

B. 音声を文字起こしする

C. 文章の要約

D. キーフレーズ（重要語）抽出

Q22. 「文章の指示から新しい画像を作る」ワークロードは？

A. コンピュータービジョン

B. 情報抽出

C. 画像生成

D. 音声認識

Q23. 「自分で手順を判断し、複数のツールを使って目標を達成するAI」は、どのワークロード？

A. テキスト分析

B. エージェント型AI

C. 音声合成

D. 情報抽出

Q24. ワークロードの対応が正しければ Yes、誤りなら No を選んでください。（各文が正しければ Yes、誤りなら No）

写真から欠陥を検出する → コンピュータービジョンYesNo

PDFフォームから項目を抜き出す → 情報抽出YesNo

文章から新しいロゴ画像を作る → コンピュータービジョンYesNo

Q25. 次のうち「テキスト分析」の手法ではないものは？

A. センチメント分析

B. キーフレーズ抽出

C. 音声合成（TTS）

D. エンティティ検出

ドメイン2：Microsoft Foundryでの実装（55〜60%・最重要）

Q26. チャットの「アシスタントメッセージ」が表すものとして正しいのは？

A. 利用者の入力した質問

B. これまでのAI（モデル）側の応答

C. AIの役割・ルールの設定

D. デプロイのリージョン

Q27. 効果的なプロンプト設計で、期待する出力例をいくつか示して精度を上げる手法は？

A. ファインチューニング

B. 量子化

C. 埋め込み

D. Few-shot（例示）

Q28. Foundryポータルで、使うモデルを選んでデプロイし、コードを書く前に応答を試すまでの正しい順序は？

A. モデルカタログで選ぶ → デプロイ → プレイグラウンドで試す → SDKで呼ぶ

B. プレイグラウンドで試す → モデルカタログで選ぶ → デプロイ

C. SDKで呼ぶ → デプロイ → モデルカタログで選ぶ

D. デプロイ → 再学習 → モデルカタログで選ぶ

Q29. 新しいFoundryのプロジェクトAPIを使うとき、正しいパッケージのインストールは？

A. pip install openai-foundry

B. pip install azure-ai-projects==1.0

C. pip install azure-ai-projects>=2.0.0

D. pip install azure-cognitiveservices

Q30. デプロイ済みモデルに responses.create で送るとき、入力テキストを渡す引数は？

A. prompt=

B. messages=

C. input=

D. text=

Q31. Foundryの単一エージェントについて正しいものを2つ選んでください。（当てはまるものを2つ選ぶ）

A. モデルのデプロイは不要

B. ツールは一切持てない

C. 作成後、ポータル上でテストできる

D. クライアントはFoundry SDKで接続できる

Q32. エージェントを作る際、その「役割・ふるまい」を指定するのはどの項目ですか？

A. instructions

B. endpoint

C. agent_name

D. temperature

Q33. エージェントの作成と利用について、各文が正しければ Yes、誤りなら No を選んでください。（各文が正しければ Yes、誤りなら No）

create_version でエージェントを作成するYesNo

一度作れば名前で呼び出して再利用できるYesNo

役割の指定には temperature を使うYesNo

Q34. 多ターン会話で履歴をつなぐために作成するオブジェクトは？

A. 新しい資格情報

B. 追加のデプロイ

C. 画像生成ツール

D. 会話オブジェクト（conversations.create()）

Q35. Foundry SDKでプロジェクトに接続するクライアントは？

A. TextAnalyticsClient

B. AIProjectClient

C. SpeechRecognizer

D. SpeechSynthesizer

Q36. RESTでベアラートークンを取得するコマンドとして正しいものは？

A. az login --token

B. pip install token

C. az account get-access-token --scope https://ai.azure.com/.default

D. foundry token new

Q37. project.get_openai_client() を使う目的は？

A. 音声を合成する

B. 画像から文字を読む

C. 請求書を解析する

D. デプロイ済みモデルにOpenAI互換APIで要求を送る

Q38. Foundryのプロンプトに関する説明として、誤っているものは？

A. システムプロンプトで役割・ルールを設定する

B. ユーザープロンプトはモデルの永続的な役割を決める場所だ

C. 効果的なプロンプトは指示・制約・例を明確にする

D. アシスタントメッセージはモデル側の応答を表す

Q39. エージェントを作成して名前で保存しておく主な利点はどれですか？

A. 応答が必ず速くなる

B. モデルのデプロイが不要になる

C. 一度作れば複数のアプリから同じ設定で再利用できる

D. 会話履歴が自動で永久保存される

Q40. azure-ai-textanalytics のメソッドと役割の対応で正しいものを2つ選んでください。（当てはまるものを2つ選ぶ）

A. speak_text_async() ＝言語検出

B. image_generation ＝要約

C. detect_language() ＝言語コードと信頼度を返す

D. analyze_sentiment() ＝肯定/中立/否定を判定

Q41. メッセージの言語を「決まったISOコード＋信頼度」で安定して取得したい。最適な選択は？

A. azure-ai-textanalytics の detect_language()

B. 一般モデルの responses.create

C. 画像生成モデル

D. SpeechSynthesizer

Q42. 音声で質問し、デプロイ済みの音声対応（マルチモーダル）モデルにテキストで答えさせるアプリ。音声入力を扱う妥当な方法は？

A. detect_language() で音声を処理する

B. image_generation ツールを使う

C. speak_text_async() で音声を作る

D. 音声対応モデルに音声を渡す（または Azure Speech の STT で文字起こししてからモデルに渡す）

Q43. マイクの音声を文字に変換（STT）するために作るオブジェクトは？

A. SpeechSynthesizer

B. TextAnalyticsClient

C. SpeechRecognizer

D. AIProjectClient

Q44. 音声の実装について、各文が正しければ Yes、誤りなら No を選んでください。（各文が正しければ Yes、誤りなら No）

STT（音声→文字）は SpeechRecognizer を使うYesNo

TTS（文字→音声）は SpeechSynthesizer を使うYesNo

合成する声は detect_language() で指定するYesNo

Q45. テキストの感情・キーフレーズ・PIIなどを「決まった構造」で返すのに向くのは？

A. 画像生成モデル

B. 音声合成

C. 埋め込みモデル

D. Azure AI Language（azure-ai-textanalytics）

Q46. recognize_pii_entities() の結果から、マスク済みの文字列を取り出すプロパティは？

A. output_text

B. image

C. choices[0]

D. redacted_text

Q47. 既存の写真の内容を読み取って質問に答えるのは、どのモデルですか？

A. マルチモーダル（ビジョン対応）モデル

B. 音声合成ボイス

C. 画像生成専用モデル

D. 埋め込みモデル

Q48. マルチモーダルで画像の内容を尋ねる実装について、正しいものを2つ選んでください。（当てはまるものを2つ選ぶ）

A. 画像入力には azure-cognitiveservices-speech を使う

B. 画像は必ず再学習で渡す

C. openai の responses.create を使う

D. 入力に {"type":"input_image", ...} を含める

Q49. 「文章の指示から新しい画像を作る」用途で、Responses APIに指定するツールは？

A. {"type":"input_image"}

B. {"type":"image_generation"}

C. {"type":"vision"}

D. {"type":"dalle"}

Q50. 画像を渡す方法として正しいものは？

A. FTPでのみ渡せる

B. 再学習でのみ渡せる

C. 印刷して郵送する

D. URL または base64データURL で渡す

Q51. ビジョン・画像生成について、各文が正しければ Yes、誤りなら No を選んでください。（各文が正しければ Yes、誤りなら No）

既存画像の解釈と新規画像の生成は別の機能だYesNo

画像生成の結果はbase64で受け取れるYesNo

画像の内容を答えるのに音声合成モデルを使うYesNo

Q52. Foundryの画像生成の説明として、誤っているものは？

A. プロンプト（文章）から新しい画像を作る

B. 既存画像の内容を読み取って答えるのが主目的だ

C. Microsoftは新規に GPT-Image 系を推奨する

D. 生成画像はbase64で受け取りファイル保存できる

Q53. 画像分析を含む軽量アプリで、Foundryのデプロイに対して使う主なライブラリは？

A. azure-cognitiveservices-speech

B. azure-ai-textanalytics

C. openai（responses.create）

D. pillow のみ

Q54. 書類・画像・音声・動画から構造化情報を抽出するFoundryのツールは？

A. Azure Speech

B. 画像生成モデル

C. テキスト埋め込みモデル

D. Azure Content Understanding

Q55. Azure Content Understanding の正しい用途を2つ選んでください。（当てはまるものを2つ選ぶ）

A. 文章から音声を合成する

B. チャットの temperature を上げる

C. 動画から重要情報を取り出す

D. スキャン書類から日付・合計を抽出する

Q56. アナライザー／スキーマを適用して、入力から「決まった項目」を構造化出力するFoundryのツールは？

A. Azure Content Understanding

B. 画像生成モデル

C. Azure Speech

D. 埋め込みモデル

Q57. 情報抽出について、各文が正しければ Yes、誤りなら No を選んでください。（各文が正しければ Yes、誤りなら No）

画像内の表データの抽出に使えるYesNo

書類・画像・音声・動画の4種に対応するYesNo

主な用途は新しい画像を生成することだYesNo

Q58. Content Understanding の処理順として正しいものは？

A. 結果出力 → 取り込み → 分析

B. 音声合成 → 取り込み → 返却

C. 再学習 → 返却 → 取り込み

D. 取り込み → スキーマ/アナライザー適用 → 分析 → 構造化結果

Q59. Content Understanding でレシートから抽出した項目のうち、自信度の低いものだけ人が確認したい。そのために使えるのは？

A. 生成された合成音声

B. 項目ごとの信頼度（confidence）スコア

C. temperature 値

D. 画像生成の解像度

Q60. 次のうち、Azure Content Understanding の用途として正しいものは？

A. 文章を人間らしい音声で読み上げる

B. チャットの役割を設定する

C. 新しい商品画像を生成する

D. 動画・音声・画像・書類から情報を構造化して取り出す