Afin de définir des attentes réalistes, veuillez noter : Ces questions ne sont PAS des questions officielles que vous trouverez sur l'examen officiel. Ces questions couvrent tout le matériel décrit dans les sections de connaissances ci-dessous. Beaucoup de questions sont basées sur des scénarios fictifs qui contiennent des questions posées.

Les exigences de connaissances officielles pour l'examen sont revues régulièrement pour s'assurer que le contenu a les dernières exigences incorporées dans les questions pratiques. Les mises à jour du contenu sont souvent effectuées sans notification préalable et peuvent être modifiées à tout moment.

Beaucoup de questions ont à la fois le terme anglais et la traduction française car plusieurs termes et fonctions de Microsoft Azure sont en anglais. De cette façon, vous serez en mesure de reconnaître les composants que vous rencontrerez dans Azure.

Chaque question a une explication détaillée et des liens vers des documents de référence pour soutenir les réponses qui garantissent l'exactitude des solutions aux problèmes.

L'ordre des questions sera changé chaque fois que vous répéterez les tests. Vous aurez donc besoin de savoir pourquoi une réponse est correcte, et pas seulement que la réponse correcte était l'item "B" la dernière fois que vous avez passé le test.

Les candidats à cet examen doivent avoir une connaissance de base des concepts d'apprentissage automatique (ML) et d'intelligence artificielle (IA) et des services Microsoft Azure associés.

Cet examen est l'occasion de démontrer la connaissance des charges de travail courantes de ML et d'IA et de savoir comment les implémenter sur Azure.

Cet examen est destiné aux candidats ayant une formation technique et non technique. Une expérience en science des données et en génie logiciel n'est pas requise; cependant, une certaine connaissance ou expérience générale de la programmation serait bénéfique.

Azure AI Fundamentals peut être utilisé pour se préparer à d'autres certifications Azure basées sur les rôles, comme Azure Data Scientist Associate ou Azure AI Engineer Associate, mais ce n'est une condition préalable à aucune d'entre elles.

Il n'y a pas de prérequis pour ce cours, mais les étudiants ayant des connaissances ou une expérience en informatique trouveront les concepts plus faciles à comprendre.

Les certifications Fundamentals valident les connaissances de base des services de cloud computing et la manière dont ces services sont fournis avec Microsoft Azure.

• Chaque question comporte des explications détaillées à la fin de chaque ensemble qui vous aideront à mieux comprendre les services MS Azure.

• L'explication fournit une vue d'ensemble du sujet, des liens de référence vers des documents Azure et une justification de la raison pour laquelle l'option est correcte ou incorrecte

Compétences mesurées lors de l'examen Microsoft Azure AI-900

Décrire les charges de travail et les considérations liées à l'intelligence artificielle (15 à 20%)

Identifier les caractéristiques des charges de travail d'IA courantes

• identifier les charges de travail de prévision/prévision

• identifier les caractéristiques des charges de travail de détection d'anomalies

• identifier les charges de travail de vision par ordinateur

• identifier les charges de travail de traitement du langage naturel ou d'exploration de connaissances

• identifier les charges de travail de l'IA conversationnelle

Identifier les principes directeurs pour une IA responsable

• décrire les considérations d'équité dans une solution d'IA

• décrire les considérations relatives à la fiabilité et à la sécurité d'une solution d'IA

• décrire les considérations relatives à la confidentialité et à la sécurité dans une solution d'IA

• décrire les considérations pour l'inclusivité dans une solution d'IA

• décrire les considérations relatives à la transparence dans une solution d'IA

• décrire les considérations relatives à la responsabilité dans une solution d'IA

Décrire les principes fondamentaux de l'apprentissage automatique sur Azure (30-35%)

Identifier les types courants d'apprentissage automatique

• identifier des scénarios d'apprentissage automatique de régression

• identifier des scénarios d'apprentissage automatique de classification

• identifier des scénarios d'apprentissage automatique en cluster

Décrire les concepts de base de l'apprentissage automatique

• identifier les caractéristiques et les étiquettes dans un ensemble de données pour l'apprentissage automatique

• décrire comment les ensembles de données d'entraînement et de validation sont utilisés dans l'apprentissage automatique

• décrire comment les algorithmes d'apprentissage automatique sont utilisés pour la formation de modèles

• sélectionner et interpréter les métriques d'évaluation du modèle pour la classification et la régression

Identifier les tâches principales dans la création d'une solution d'apprentissage automatique

• décrire les caractéristiques communes de l'ingestion et de la préparation des données

• décrire l'ingénierie et la sélection des fonctionnalités

• décrire les caractéristiques communes de la formation et de l'évaluation des modèles

• décrire les caractéristiques communes du déploiement et de la gestion des modèles

Décrire les capacités du machine learning sans code avec Azure Machine Learning Studio

• UI de ML automatisée

• concepteur d'apprentissage machine azur

Décrire les fonctionnalités des charges de travail de vision par ordinateur sur Azure (15-20%)

Identifiez les types courants de solutions de vision par ordinateur

• identifier les caractéristiques des solutions de classification d'images

• identifier les caractéristiques des solutions de détection d'objets

• identifier les caractéristiques des solutions de reconnaissance optique de caractères

• identifier les caractéristiques des solutions de détection faciale, de reconnaissance faciale et d'analyse faciale

Identifier les outils et services Azure pour les tâches de vision par ordinateur

• identifier les capacités du service Computer Vision

• identifier les capacités du service Custom Vision

• identifier les capacités du service Face

• identifier les capacités du service Form Recognizer

Décrire les fonctionnalités des charges de travail de traitement du langage naturel (NLP) sur Azure (15-20%)

Identifier les caractéristiques des scénarios de charge de travail NLP courants

• identifier les fonctionnalités et les utilisations pour l'extraction de phrases clés

• identifier les caractéristiques et les utilisations pour la reconnaissance d'entités

• identifier les fonctionnalités et les utilisations pour l'analyse des sentiments

• identifier les fonctionnalités et les utilisations pour la modélisation du langage

• identifier les caractéristiques et les utilisations de la reconnaissance et de la synthèse vocales

• identifier les fonctionnalités et les utilisations pour la traduction

Identifier les outils et services Azure pour les charges de travail NLP

• identifier les capacités du service Text Analytics

• identifier les capacités du service Language Understanding (LUIS)

• identifier les capacités du service Speech

• identifier les capacités du service de traduction de texte

Décrire les fonctionnalités des charges de travail d'IA conversationnelles sur Azure (15-20%)

Identifier les cas d'utilisation courants de l'IA conversationnelle

• identifier les fonctionnalités et les utilisations des robots de chat Web

• identifier les caractéristiques communes des solutions d'IA conversationnelle

Identifier les services Azure pour l'IA conversationnelle

• identifier les capacités du service QnA Maker

• identifier les capacités du service Azure Bot

L'examen est disponible dans les langues suivantes: anglais, japonais, chinois (simplifié), coréen, allemand, français et espagnol

IMPORTANT: sachez que pour les examens,les noms de produits et des termes sont en anglais, de sorte que l'apprenant se familiarise avec de nombreux termes en anglais quelle que soit la langue de l'examen.