AI-103日本語 無料問題集「Microsoft Developing AI Apps and Agents on Azure (AI-103日本語版)」
ホットスポットに関する質問
App1という名前のPythonアプリケーションがあり、それがProject1という名前のMicrosoft Foundryプロジェクトと統合されています。
App1が以下の要件を満たしていることを確認する必要があります。
- Microsoft Entra マネージド ID を使用して認証します
- Azure OpenAI Responses API を使用して、デプロイ済みのモデルにプロンプトを送信します。Python コードをどのように完成させるべきですか？回答するには、回答領域で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
App1という名前のPythonアプリケーションがあり、それがProject1という名前のMicrosoft Foundryプロジェクトと統合されています。
App1が以下の要件を満たしていることを確認する必要があります。
- Microsoft Entra マネージド ID を使用して認証します
- Azure OpenAI Responses API を使用して、デプロイ済みのモデルにプロンプトを送信します。Python コードをどのように完成させるべきですか？回答するには、回答領域で適切なオプションを選択してください。
注：正解ごとに1ポイントが加算されます。
正解：
ドラッグアンドドロップ問題
複数のエージェントで構成されるソリューションを含む Microsoft Foundry プロジェクトがあります。エージェントはツール呼び出しを使用して内部システムに問い合わせを行います。
以下の要件を満たすためには、責任あるAI監査を実施する必要があります。
エージェントの実行全体にわたる、ネストされたすべての操作をキャプチャします。
ツール呼び出し時の引数と結果をメタデータとして記録する。
各要件には何を使用すべきですか？回答するには、適切なオプションを正しいターゲットにドラッグしてください。各オプションは、1回、複数回、またはまったく使用しない場合があります。コンテンツを表示するには、ペイン間の分割バーをドラッグするか、スクロールする必要がある場合があります。
注：正解ごとに1ポイントが加算されます。
複数のエージェントで構成されるソリューションを含む Microsoft Foundry プロジェクトがあります。エージェントはツール呼び出しを使用して内部システムに問い合わせを行います。
以下の要件を満たすためには、責任あるAI監査を実施する必要があります。
エージェントの実行全体にわたる、ネストされたすべての操作をキャプチャします。
ツール呼び出し時の引数と結果をメタデータとして記録する。
各要件には何を使用すべきですか？回答するには、適切なオプションを正しいターゲットにドラッグしてください。各オプションは、1回、複数回、またはまったく使用しない場合があります。コンテンツを表示するには、ペイン間の分割バーをドラッグするか、スクロールする必要がある場合があります。
注：正解ごとに1ポイントが加算されます。
正解：
Explanation:
Box 1: Hierarchical spans
Hierarchical spans should be used in this case.
Parent-Child tracking: In OpenTelemetry and Azure Monitor Application Insights (which back Microsoft Foundry environments), hierarchical spans utilize a unique Trace ID for the entire request and distinct Span IDs for individual operations.
Nested capture: When a primary agent calls a sub-agent, or an agent invokes a specific system tool, each subsequent operation is recorded as a child span. This explicitly preserves the parent- child relationship, allowing auditors to reconstruct the exact execution tree of all nested operations across the entire multi-agent run Box 2: Tool call attributes To record tool invocation arguments and returned results as metadata for responsible AI auditing in a Microsoft Foundry multi-agent project, you should use Tool call attributes.
In GenAI and multi-agent systems leveraging OpenTelemetry semantic conventions (which Microsoft Foundry utilizes for its observability, tracing, and logging pillars), tool execution details are captured via specific span attributes. Configured tool call attributes explicitly map and record the parameters (tool.call.arguments) and outputs (tool.call.result) as metadata keys inside the tracing context for auditing and validation.
Reference:
https://learn.microsoft.com/en-us/azure/foundry/observability/concepts/trace-data
https://techcommunity.microsoft.com/blog/azure-ai-foundry-blog/ai-observability-starter-kit-for-microsoft-foundry-agents/4522751
ホットスポットに関する質問
あなたは画像内の物体を検出するモデルを構築しています。
訓練データに基づくモデルの性能を以下の図に示します。
図に示された情報に基づいて、各記述を完成させる選択肢をドロップダウンメニューを使用して選択してください。
注：正解ごとに1ポイントが加算されます。
あなたは画像内の物体を検出するモデルを構築しています。
訓練データに基づくモデルの性能を以下の図に示します。
図に示された情報に基づいて、各記述を完成させる選択肢をドロップダウンメニューを使用して選択してください。
注：正解ごとに1ポイントが加算されます。
正解：
Explanation:
Box 1: 0
The percentage of false positives is 0%.
Because the model made zero incorrect positive predictions, the count and percentage of false positives must be exactly zero.
Box 2: 25
The value for the number of true positives divided by the total number of true positives and false negatives is 25% (or 0.25).
High Precision (100%): Every single object your model detects is correct; it generates zero false alarms.
Low Recall (25%): Your model misses 75% of the actual objects it was supposed to find.
'
Reference:
https://medium.com/grabngoinfo/how-to-evaluate-the-performance-of-a-binary-classification-model-6e7193dcbbf9
エージェントを含む Microsoft Foundry プロジェクトがあります。
エージェントは、データ取得ツールとしてAzure AI Searchを使用します。
エージェントがドキュメント内および埋め込み画像内のテキストに基づいて応答を生成できるように、PDFをAzure AI Searchインデックスに取り込む予定です。
利用者は、出典ファイルへのリンクを含む引用を求めている。
インデックス作成の際には、画像が内蔵の光学文字認識(OCR)機能の入力として使用できる構造に抽出されるようにする必要があります。
どのインデックス作成方法を採用すべきでしょうか？
エージェントは、データ取得ツールとしてAzure AI Searchを使用します。
エージェントがドキュメント内および埋め込み画像内のテキストに基づいて応答を生成できるように、PDFをAzure AI Searchインデックスに取り込む予定です。
利用者は、出典ファイルへのリンクを含む引用を求めている。
インデックス作成の際には、画像が内蔵の光学文字認識(OCR)機能の入力として使用できる構造に抽出されるようにする必要があります。
どのインデックス作成方法を採用すべきでしょうか？
正解：C
解答を投票する
解説: (JPNTest メンバーにのみ表示されます)
注：このセクションには、同じシナリオと問題に関する複数の質問セットが含まれています。各質問には、問題に対する固有の解決策が提示されています。提示された解決策が、提示された目標を満たしているかどうかを判断する必要があります。セット内の複数の解決策が問題を解決できる場合もあります。また、セット内のどの解決策も問題を解決できない場合もあります。
このセクションの質問に回答すると、前のセクションに戻ることはできません。そのため、これらの質問は復習画面には表示されません。
画像のアップロードを受け付け、抽出した画像テキストを使用して応答を生成する、マルチモーダルなAI生成モデルをお持ちです。
ユーザーが安全でない画像をアップロードしたり、モデルを操作するための隠された指示を画像に埋め込んだりできることが分かります。
リスクを軽減するための対策を実施する必要があります。
解決策：ユーザープロンプト用のプロンプトシールドを設定します。
これは目標を達成していると言えるでしょうか？
このセクションの質問に回答すると、前のセクションに戻ることはできません。そのため、これらの質問は復習画面には表示されません。
画像のアップロードを受け付け、抽出した画像テキストを使用して応答を生成する、マルチモーダルなAI生成モデルをお持ちです。
ユーザーが安全でない画像をアップロードしたり、モデルを操作するための隠された指示を画像に埋め込んだりできることが分かります。
リスクを軽減するための対策を実施する必要があります。
解決策：ユーザープロンプト用のプロンプトシールドを設定します。
これは目標を達成していると言えるでしょうか？
正解：B
解答を投票する
解説: (JPNTest メンバーにのみ表示されます)