본 글은 Kikagaku의 무료 강의 "AI-900 자격시험 대책 코스"의 강의 노트입니다. 강의 자체가 2021년도 기준이라 2023년 5월 4일에 갱신된 출제 범위와 맞지 않는 부분이 있습니다. 강의는 가볍게 듣고 되도록 Microsoft learn을 중심으로 공부하는 걸 추천합니다.

[!Important]+ Goals

• AI 에 관한 기초지식을 습득한 상태
• 클라우드에 관한 기초지식을 습득한 상태
• AI-900 시험범위를 습득한 상태

[!info]+ Subject

• AI-900 수험예정인 분
• AI 의 전체사에 대해 배우고 싶으신 분
• 프로그래밍까지 할 필요는 없지만, IT 영역의 지식을 가질 필요가 있으신 분

[!abstract]+ Curriculum
1. Intro
2. AI 입문
3. MS 와 AI
4. Azure AI 서비스
5. Cognitive Services
6. 모의 테스트
7. 자격 취득을 향해

---

Notes

1시간 정도의 동영상.
최근 출제 범위에 대해서는 Microsoft Learn으로 보충.

• 링크
  - MS AI-900

본 강의에 없는 내용

출제 범위 (2023-05-04)

평가 스킬	비율 (\%)
AI 워크로드와 고려사항	20-25
Azure 에서의 기계학습의 기본원칙	25-30
Azure 의 컴퓨터 비전 워크로드 기능	15-20
Azure 의 자연언어처리 워크로드의 기능	25-30

인공 지능 워크로드 및 고려 사항 설명 (20~25%)

• Anomaly Detector 워크로드의 기능 식별 : 시스템에서 오류 또는 비정상적인 활동을 자동으로 감지할 수 있는 기능
  - 신용 카드 이상 사용, 제조 이상 검출, 이상 징후 발생 전 경고 등
• Computer Vision 워크로드 식별
• 자연어 처리 워크로드 식별
• 지식 마이닝 워크로드 식별 : 대용량의 비정형 데이터에서 정보를 추출하여 검색 가능한 지식 저장소를 만드는 기능
  - Azure Cognitive Search

책임 있는 AI 를 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

Azure 에서 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 Studio 의 시각적 도구 기능 설명

• 자동화된 기계 학습
• Azure Machine Learning 디자이너

Azure 에서 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 : Azure의 Form Recognizer 서비스는 OCR(광학 문자 인식)을 사용하여 양식의 필드를 디지털화하여 이 문제를 해결할 수 있습니다. Azure의 OCR 기술은 키, 값 쌍 같은 형식에서 콘텐츠와 구조를 추출합니다(예: Quantity: 3).

Azure 에서 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 Service 의 기능 식별
• Translator 서비스의 기능 식별

Azure 에서 대화형 AI 솔루션에 대한 고려 사항 식별

• 봇의 기능 및 사용 식별
• Power Virtual Agents 및 Azure Bot Service 의 기능 식별

---

Intro

코스 개요

• 수강 후의 이상적인 모습
  - AI-900 합격을 위한 지식이 있음
  - Azure 의 AI 서비스에 대해 이해하고 있음
  - 기계학습의 기초지식이 있음

시험 개요

• Azure AI 서비스 : Azure AI 서비스를 이해하고, 가각의 특징을 이해한다

• AI・기계학습 : AI・기계학습이란 무엇인가 이해한다

• AI 솔루션 : AI 의 비즈니스 활용방법을 이해한다

• 상위 자격 : AI-100, AZ-220 등
  - AI-100 : Azure 를 이용한 과제 해결에 특화한 시험
  - AZ-220 : Azure IoT 개발자 대상

• 출제 범위 (21 년 1 월 27 일)

평가 스킬	비율 (\%)
AI 워크로드와 고려사항	15-20
Azure 에서의 기계학습의 기본원칙	30-35
Azure 의 컴퓨터 비전 워크로드 기능	15-20
Azure 의 자연언어처리 워크로드의 기능	15-20
Azure 회화형 AI 워크로드의 기능	15-20

• 출제 형식

개요	상세
문제수	50 문 전후
출제형식	선택지, 드롭다운리스트, 클릭, 드래그&드롭
시험방법	CBT
시험시간	60 분
합격점	700 / 1000

• 문제 형식 : 선택 문제, 핫스팟 문제, 시나리오 문제, 드래그&드롭 문제

AI 입문

간단하니 패스

MS 와 AI

• AI 의 과제와 리스크
  - AI 에 의해 중대한 추론적 영향이나 손해가 발생할 가능성이 있다
  - AI 가 사회적인 바이어스나 그 외의 바이어스를 강고히 할 가능성이 있다
  - 기밀 데이터가 공개될 가능성이 있다
  - 솔루션이 아무한테나 적용가능하지 않음
  - AI 주도의 의사결정에 대해 책임을 지는 건 누구인가?
• MS 의 6 기본원칙 : AI 의 사회적인 영향, 및 AI 기술의 의도하지 않은 결과를 예측하고 경감한다.
  - 공평성 : AI 가 부당한 우위성, 불이익을 초래해서는 안 된다
  - 신뢰성과 안전성 : AI 는 신뢰받고, 예측하지 못한 상황 하에서도 안전하게 기능해야 한다
  - 시큐리티와 프라이버시 : 개인정보의 보호를 적절히 행한다
  - 포괄성 : 여러 사람에 대해 다양성이 있는 설계를 행한다
  - 투명성 : AI 의 판단기준을 사람들이 이해하도록 한다
  - 설명책임 : AI 를 전개하는 사람들은 시스템의 도작에 대해 설명책임을 지닌다

Azure AI 서비스

Azure AI 서비스

AI 에 대한 Scalerable 하고 신뢰성이 높은 클라우드 플랫폼

• Scalerable : IT 시스템의 부하가 변동해도 일정한 처리능력을 유지하는 것
• 주된 기능 : Data Strage, 계산기기, 서비스
• 대표적 서비스 : Azure ML, Cognitive Services
• Azure ML : 기계학습 모델의 트레이닝, 디플로이 및 관리를 위한 플랫폼
  - 웹에 공개 (디플로이) 가 가능하고 디플로이한 모델의 관리도 가능

기능	능력
Azure ML Designer	기계학습 솔루션의 코드리스 개발을 가능하게 하는 GUI 서비스
자동기계학습	코드리스로 데이터로부터 효과적인 기계학습 모델을 신속하게 작성 가능

• Cognitive Services : 개발자가 AI 솔루션의 구축에 사용가능한 일련의 서비스

Azure Machine Learning Designer

드래그 & 드롭으로 모델 구축 가능 (코드리스), 대회에서 우승한 모델의 이용이나 전이학습 가능

• 모델 구축 순서
  - 데이터셋 준비 : 모델 구축에 사용할 데이터를 드래그 & 드롭
  - 데이터 전처리 : 모델이 학습가능한 형태로 변환
  - 데이터셋의 분할 : 정확한 검증을 위한 데이터 분할
  - 알고리즘 선정 : 학습에 사용할 알고리즘을 선택
  - 모델 트레이닝 : 목표값을 선택해서 학습
  - 모델 Score : 학습된 모델을 사용해서 예측
  - 모델 평가 : 얼마나 예측이 맞는지 집계
  - 분류 : 정확도, 적합률, 재현성 등
  - 회귀 : #MAE, #MSE, #RMSE, 결정계수 #R_Square

자동기계학습

• 기계학습에서 하드워크를 제거.
• 예를 들면 데이터 전처리, 알고리즘 선정, 하이퍼 파라미터 튜닝 등.

Cognitive Services

시각 서비스

주로 화상분석. 불량품 검출, 글자 인식 등.

• Computer Vision : 이미지를 읽어오는 것만으로 텍스트 추출, 이미지의 설명 생성 등의 고도의 분석이 가능. 원치 않는 콘텐츠로부터 유저를 보호하는 필터링 기능도 갖춤.
  - 이미지 분류 (강아지 or 고양이), 물체검출, 이미지 해석 (이미지 설명), 얼굴 검출과 인식, OCR
• Custom Vision : Computer Vision 과 다르게 자작 이미지 분류 모델을 구축하는 것이 가능한 서비스. 코드를 쓰지 않고 이미지에 태그를 붙이는 것만으로 간단하게 작성 가능.
  - 이미지 분류 모델 작성, 물체검출 모델 작성, 목표값 작성
• Face : 이미지 분류 모델을 구축하는 것이 가능한 서비스. 코드를 쓰지 않고 이미지에 태그를 붙이는 것만으로 간단하게 작성 가능.
  - 고도의 얼굴검출 (나이, 표정, 감정 등), 얼굴정보를 이용한 인증과 검증
• Video Indexer : 동영상 파일로부터 하이라이트, 문자 텍스트, 유명인 등을 자동적으로 검출. 또한 사전에 인물을 등록하는 것으로 인물 식별 가능.
  - 영상 속 얼굴・물체의 검출 및 식별, 인물의 감정인식, 음성인식・번역

Cognitive Services 의 구조

• 특징
  - 사전에 구축한 서비스
  - 기계학습의 전문지식이 없어도 이용 가능
• API 를 사용하는 데에는 인증키와 REST 엔드포인드가 필요

음성 서비스

• Speech Translation : 30 이 넘는 언어의 음성을 번역. 특정 용어에 맞춰 번역을 커스터마이즈 가능.
  - 텍스트의 리얼타임 번역은 Translator 를 사용
• Text to Speech : 200 종류 이상의 목소리와 50 이상의 언어나 베리에이션으로부터 선택 가능, 인가너럼 텍스트를 자연스럽게 말하는 앱이나 서비스 구축 가능.
  - 텍스트를 음성으로 변환 : 오디오 컨트롤, 다언어 대응
• Speech to Text : 85 이상의 언어에 대응하는 음성을 텍스트로 변환. 한국어, 일본어 등의 문법이 복잡한 언어에도 대응
  - 음성을 텍스트로 변경 : 커스터마이즈 변환, 노이즈 제거
• Speaker Recognition : 등록된 화자의 그룹에서 화자를 식별. 각각의 화자에게 음성 속성을 관련지어, 음성인식에 사용하는 것도 가능.
  - 화자 식별, 화자 인증

언어 서비스

• Immersive Reader : 온갖 유저에 대해 읽기 기능이나 언어 번역 외에, 하이라이트 표시나 그 외 디자인 요소에 의해 문장독해의 보조를 행하는 기능 제공
  - 읽기, 번역, 특정 텍스트 강조, 어구의 가시화
• Text Analytics : 자연언어처리를 이용해 문서 내의 Sentiment (감정), 엔티티 (키워드), 관계 등의 정보 분석. 문장의 요약 등에 도움이 됨.
  - 언어검출, 키프레이즈 추출, 평판 판정 (리뷰 분석 등)
• Translator : 텍스트의 리얼타임 번역
• QnA Maker : 반구조화 콘텐츠로부터 질문과 답변을 추출해, 지식 베이스를 구축하는 것이 가능. Azure Bot Service 를 사용하는 것으로 봇 작성이 가능.
  - 자동답변, 지식베이스
  - Azure Bot Service : Skype・라인 등의 앱에 임베드한 QnA Maker 로 작성한 지식 베이스의 관리. 지식 베이스 기반으로 Bot 앱 작성.
• Language Understanding (LUIS) : 문장 안의 의도를 해석해서, 회화로부터 중요한 정보를 추출한다. 커스텀 기계학습언어 모델을 코드를 사용하지 않고 구축 가능.
  - 의도 이해, 정보 추출

모의 테스트

테스트	점수
테스트 1	3/4
테스트 2	4/4
테스트 3	4/4
테스트 4	4/4
테스트 5	4/4

자격 취득을 향해

• 자격 취득을 향해
  - AI-900 자격 페이지 확인
  - MS learn 으로 학습
  - MS Azure 무료체험판을 취득
• 수험 후
  - AI-900 자격 취득
  - Azure 와 AI 에 대해 이해
  - 서비스 사용 가능