AI-901 練習問題②【全60問・本番形式・無料】即採点・解説つき｜Azure資格の森

Q2. 顔認識サービスで、チームは(1)肌の色グループ間で認識精度に差がないか評価し、(2)低視力者も設定画面を使えるよう拡大表示に対応しました。(1)が対応する原則はどれですか？

A. 公平性

B. 包括性

C. 説明責任

D. プライバシーとセキュリティ

Q3. あるサービスでは、ユーザーが「自分のデータを学習に使わない」を選べ、保存データは暗号化、アクセスは最小権限に絞っています。主にどの原則の実装ですか？

A. 包括性

B. プライバシーとセキュリティ

C. 公平性

D. 信頼性と安全性

Q4. 「包括性」を高めるために、AIソリューションで主に行うべき考慮はどれですか？

A. 字幕・読み上げなど、障害の有無を問わず多様な利用者がアクセスできるよう配慮する

B. グループ間で結果や精度に差が出ないか評価する

C. 保存データを暗号化しアクセスを最小権限にする

D. 判断の根拠をユーザーに説明できるようにする

Q5. AIチャットで、チームは(1)回答の根拠と限界をユーザーに分かるよう提示し、(2)苦情があった際に最終対応する責任部署を明記しました。(1)が対応する原則はどれですか？

A. 公平性

B. 透明性

C. 説明責任

D. 包括性

Q6. 生成AIの社内規程で、企業は「高リスクな出力は人間が承認し、問題が起きたとき是正と最終責任を負う役割」を定めました。最も当てはまる原則はどれですか？

A. 説明責任

B. 透明性

C. 信頼性と安全性

D. 公平性

Q7. 「公平性」を高める取り組みとして適切なものを2つ選んでください。（当てはまるものを2つ選ぶ）

A. 学習データに特定グループの偏りがないか点検する

B. 出力の最大トークン数を増やす

C. 応答を必ず英語で返す

D. グループ間でモデルの性能差がないか評価する

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）

嵐でも予測可能に安全動作する → 信頼性と安全性YesNo

判断理由を利用者に説明できる → 説明責任YesNo

データを暗号化し削除要求に応じる → プライバシーとセキュリティYesNo

Q9. 「透明性」と「説明責任」の説明の組み合わせとして、正しいものはどれですか？

A. 透明性＝誰が責任を負うか／説明責任＝判断理由を説明できる

B. 透明性＝データ保護／説明責任＝偏りをなくす

C. 透明性＝偏りをなくす／説明責任＝アクセシビリティ

D. 透明性＝判断理由を理解・説明できる／説明責任＝最終的に人・組織が責任を負う

Q10. 生成AIの「料金の見積り」と「一度に入力できる長さ」は、どちらも同じ単位で数えます。文章を小さく分割したその単位の名称は？

A. ピクセル

B. ラベル

C. エンティティ

D. トークン

Q11. 出力のランダム性を抑え、毎回ほぼ同じ安定した回答にしたい。temperature はどう設定しますか？

A. 高くする（例：1に近づける）

B. 低くする（例：0に近づける）

C. max tokens を増やす

D. リージョンを変える

Q12. 単一プロンプトで音声と画像とテキストを扱える1つのモデルが欲しい。選ぶべきは？

A. 埋め込みモデル

B. 画像生成モデル

C. 音声合成モデル

D. マルチモーダルモデル

Q13. 一度にとても長い文書を入力して処理させたい。モデル選択で特に確認すべき観点は？（紛らわしい項目に注意）

A. コンテキスト長（一度に扱える入力量）

B. max tokens（出力の最大長）

C. temperature（多様性）

D. リージョン（配置場所）

Q14. 生成AIが、自信ありげなのに事実と異なる「作り話」を出してしまう現象を何と呼びますか？

A. グラウンディング

B. 埋め込み

C. ハルシネーション

D. トークン化

Q15. デプロイ時に指定・確認する構成として正しいものを2つ選んでください。（当てはまるものを2つ選ぶ）

A. デプロイ種別（Standard / Global Standard）

B. 応募者の性別

C. 1分あたりのトークン上限（TPM／クォータ）

D. 画面のフォントサイズ

Q16. top_p（nucleus sampling）パラメーターの説明として最も正しいものは？

A. 出力の最大の長さを決める

B. 使用するリージョンを決める

C. 声の種類を決める

D. 確率の高い候補語の範囲を絞って多様性を調整する

Q17. 録音した会議の音声を、そのまま文字に書き起こす機能は？

A. 音声合成（TTS）

B. キーフレーズ抽出

C. 画像生成

D. 音声認識（STT）

Q18. アンケート自由記述から「満足」「不満」といった感情の傾向を判定したい。テキスト分析のどの手法ですか？

A. センチメント分析

B. キーフレーズ抽出

C. エンティティ検出

D. 要約

Q19. 長い契約書を3行の要点にまとめる作業は、テキスト分析のどの手法ですか？

A. エンティティ検出

B. センチメント分析

C. キーフレーズ抽出

D. 要約

Q20. スマホで撮った写真をアップロードすると「何が写っているか（猫・車など）」をラベルで返したい。新しい画像を作る必要はありません。最も適切なワークロードは？

A. コンピュータービジョン

B. 画像生成

C. 情報抽出

D. センチメント分析

Q21. 「生成AI」のワークロードの例として正しいものを2つ選んでください。（当てはまるものを2つ選ぶ）

A. 質問に対して文章で回答を作る

B. 画像から欠陥を検出する

C. 音声を文字起こしする

D. 文章の指示から新しい画像を作る

Q22. 「エージェント型AI」を最もよく表す説明は？

A. 1枚の画像を生成するだけのモデル

B. 音声を文字に変換する専用機能

C. 目標に向けて自分で手順を判断し、ツールを使って動くAI

D. 文章の感情を判定する分析

Q23. 文章の中から「東京」「山田太郎」などの固有名詞を見つけて分類する手法は？

A. 要約

B. センチメント分析

C. キーフレーズ抽出

D. エンティティ検出

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）

スキャン請求書から合計金額を取り出す → 情報抽出YesNo

文章から新しい広告画像を作る → 画像生成YesNo

人の声を別の文章に要約する → 音声合成YesNo

Q25. 次のうち「コンピュータービジョン」の例として当てはまらないものは？

A. 文章の説明から新しいポスター画像を作る

B. 写真から物体を検出して位置を示す

C. 画像内の文字を読み取る（OCR）

D. 商品画像にラベル（猫/犬など）を付ける

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

Q26. チャットで利用者が実際に入力する質問（例：「東京の天気は？」）が入るメッセージは？

A. システムメッセージ

B. ユーザーメッセージ

C. アシスタントメッセージ

D. デプロイ名

Q27. 次のシステムプロンプトのうち、最も「効果的」なものは？

A. 「うまくやって」

B. 「自由に答えて」

C. 「短くしないで長く書いて」だけ

D. 「あなたは簡潔なITサポート。手順は箇条書き、社内IDは出さない」

Q28. Foundry SDKを使う最初の手順として正しいものは？

A. コードにパスワードを直書きする

B. az login で認証してから DefaultAzureCredential() を使う

C. ポータル画面をブラウザ自動化で操作する

D. モデルを毎回ローカルで学習する

Q29. from azure.ai.projects import AIProjectClient を使うコードで、誤って pip install azure-ai-projects==1.0 を入れると起きやすいことは？

A. 必ず動作が速くなる

B. 課金が無料になる

C. 画像生成だけ可能になる

D. 新しいプロジェクトAPI（2.x）と互換でなく、想定どおり動かない

Q30. responses.create の戻り値から、生成された応答テキストを読む正しい方法は？

A. r.output_text

B. r.choices[0].message.content

C. r.image

D. r.redacted_text

Q31. Foundryのエージェント作成について、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. project.agents.create_version を使う

B. 定義に PromptAgentDefinition(model=..., instructions=...) を渡す

C. az agent new コマンドで作る

D. エージェントにはモデルのデプロイは不要

Q32. 単発のチャット呼び出しに対して、エージェントが追加で持てるものは？

A. 何も追加できない

B. 画像生成だけ

C. 音声合成だけ

D. ツール（ファイル検索・コード実行・API呼び出しなど）

Q33. Foundry SDKでのモデル呼び出しについて、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）

AIProjectClient はエンドポイントと資格情報で作るYesNo

project.get_openai_client() でクライアントを取得するYesNo

応答テキストは r.choices[0] から読むYesNo

Q34. 多ターン会話で前の応答に続けるために、各 responses.create に渡す値はどれですか？

A. 新しい資格情報

B. 高い temperature

C. previous_response_id（直前の応答の id）

D. 別のリージョン名

Q35. コードからモデルを呼び出す前に、Foundryで必ず済ませておく必要がある作業はどれですか？

A. 物体検出モデルを一から学習する

B. 使うモデルをデプロイしてエンドポイントを用意する

C. 音声ボイスを録音する

D. クォータをゼロに設定する

Q36. RESTで responses を呼ぶエンドポイントの形として正しいものは？

A. https://portal.azure.com/responses

B. pip://responses/create

C. C:\\foundry\\responses

D. https://<res>.services.ai.azure.com/api/projects/<proj>/openai/v1/responses

Q37. Foundryポータルで、使いたいAIモデルを一覧から探して選び、デプロイする画面はどこですか？

A. モデルカタログ

B. 請求（コスト管理）ダッシュボード

C. GitHub のリポジトリ

D. ターミナルの pip コマンド

Q38. エージェントの実装に関する説明として、誤っているものはどれですか？

A. ポータルでフォームを埋めて1体作成できる

B. 作成後、コードを書く前にポータルでテストできる

C. クライアントはFoundry SDKで接続できる

D. エージェントはデプロイ済みモデルがなくても推論できる

Q39. エージェントを「名前で呼び出して」使うのは、どんな利点のためですか？

A. 一度作って保存し、複数アプリから再利用できる

B. モデルのデプロイを不要にできる

C. 必ず無料で動かせる

D. 画像しか返さなくなる

Q40. 構造化テキスト分析（azure-ai-textanalytics）の特徴として正しいものを2つ選んでください。（当てはまるものを2つ選ぶ）

A. 言語コードや信頼度など決まった構造で結果が返る

B. 新しい画像を生成できる

C. 音声を合成できる

D. PIIの検出・マスクができる（recognize_pii_entities）

Q41. 入力テキストの個人情報（PII）を見つけてマスクした文字列が欲しい。結果はどのプロパティから取りますか？

A. result.output_text

B. result.image

C. result.choices[0]

D. result.redacted_text

Q42. 音声でかけられた質問に、デプロイ済みマルチモーダルモデルが答えるアプリ。音声入力を扱う妥当な方法は？

A. 画像生成モデルで音声を文字起こしする

B. Azure Speech／マルチモーダルモデルで音声を処理し、応答を生成する

C. テキスト埋め込みモデルで音声を再生する

D. Content Understanding で返答音声を合成する

Q43. 文字を人間らしい音声で読み上げるために、Azure Speech SDKで作るオブジェクトは？

A. TextAnalyticsClient

B. SpeechRecognizer

C. AIProjectClient

D. SpeechSynthesizer

Q44. テキストと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）

azure-ai-textanalytics はセンチメントやPIIを構造化して返すYesNo

一定のISO言語コードが要るなら一般モデルより textanalytics が安定YesNo

音声合成は azure-ai-textanalytics で行うYesNo

Q45. Azure Speech をPythonで使うためのパッケージは？

A. azure-ai-projects

B. azure-cognitiveservices-speech

C. azure-ai-textanalytics

D. openai

Q46. Azure Speech の「Voice Live」を最もよく表すのは？

A. 保存済みファイルのバッチ文字起こし

B. 画像の生成

C. リアルタイムの音声対話（speech-to-speech）機能

D. PIIのマスク

Q47. アップロードした写真の内容について質問に答えられるのは、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. テキスト埋め込みモデル

D. 画像生成専用モデル

Q48. 画像をモデルに渡して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. 入力に {"type":"input_image", ...} を含める

B. 画像入力には SpeechRecognizer を使う

C. 画像はURLまたはbase64データURLで渡せる

D. 画像は再学習でしか渡せない

Q49. 文章のプロンプトから新しい画像を作る機能は？

A. 画像生成

B. コンピュータービジョン

C. 情報抽出

D. 音声認識

Q50. 生成された画像はbase64で返ります。ファイルに保存する正しい手順は？

A. print(response.output_text) で表示する

B. detect_language() を呼ぶ

C. speak_text_async() を呼ぶ

D. base64をデコードしてバイト列を .png に書き出す

Q51. ビジョンと画像生成について、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）

画像生成と画像解釈は別の機能だYesNo

画像入力には openai の responses.create を使えるYesNo

画像生成は SpeechSynthesizer で行うYesNo

Q52. 次のうち、Foundryのビジョン機能の説明として誤っているものは？

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

B. マルチモーダルモデルは画像の内容を答えられる

C. 画像はURLやbase64で渡せる

D. 画像生成と画像解釈は別機能である

Q53. Microsoftが新規の画像生成プロジェクトに推奨するモデル系列は？

A. en-US-Ava ボイス

B. TextAnalyticsClient

C. 埋め込みモデル

D. GPT-Image 系（例：GPT-Image-1）

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 Content Understanding

B. Azure Speech

C. 画像生成モデル

D. テキスト埋め込みモデル

Q55. Azure Content Understanding が抽出元にできるコンテンツを2つ選んでください。（当てはまるものを2つ選ぶ）

A. CPUの温度センサー値

B. スキャンした書類・フォーム

C. ネットワークのping値

D. 録画された動画

Q56. 契約書から抽出した項目のうち、抽出の自信度が低いものだけ担当者が確認してから登録する運用にしたい。Content Understanding のどの仕組みを使いますか？

A. temperature を上げる

B. 画像生成ツール

C. 音声合成で読み上げる

D. 項目ごとの信頼度（confidence）スコアを使い、低信頼の項目だけ人手レビューに回す

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）

Content Understanding は動画からも情報を抽出できるYesNo

アナライザー／スキーマで構造化結果を返すYesNo

請求書のフィールド抽出は画像生成モデルの仕事だYesNo

Q58. Content Understanding で「何を取り出すか」を定義し、構造化結果を得る流れとして適切なのは？

A. コンテンツ取り込み → スキーマ/アナライザー適用 → 分析 → 構造化結果

B. 画像生成 → 音声合成 → 取り込み

C. 結果出力 → 取り込み → 分析

D. モデル再学習 → 返却 → 取り込み

Q59. 顧客サポートの通話録音から要点（用件・対応）を取り出したい。使うべきものは？

A. 画像生成モデル

B. テキスト埋め込みモデル

C. Azure Speech の音声合成

D. Azure Content Understanding

Q60. 次のうち、Azure Content Understanding の用途ではないものは？

A. 書類から項目を抽出する

B. 画像から表データを取り出す

C. 文章を人間らしい音声で読み上げる

D. 動画から要点を抽出する