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.
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 |
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