К содержимому
L-SYSTEM

рекомендованначальный

AI-901: Microsoft Azure AI Fundamentals — подготовка к экзамену на Microsoft Foundry

Курс подготовки к экзамену Microsoft AI-901 (Microsoft Azure AI Fundamentals) для разработчиков из Big 4 и других консалтинговых фирм, которые уже пишут на SQL, C# и Python, а теперь хотят уверенно работать с ИИ в Azure и подтвердить это сертификатом. В 2026 году AI-901 заменил AI-900 и стал другим по характеру: больше половины экзамена — практика в Microsoft Foundry. Развёртывание моделей, промпты, агенты, работа с текстом, речью, изображениями и Azure Content Understanding из небольших приложений на Python. Курс идёт по официальному перечню навыков (редакция апреля 2026 года) и сохраняет веса доменов: концепции и возможности ИИ (40–45 %) и реализация решений в Foundry (55–60 %). Каждая тема подаётся по одной схеме: задача, которая заставляет взяться за инструмент, сам инструмент и его цена — токены, квоты, задержки, размещение данных и риски. Лабораторные ведут по порталу Foundry и Python SDK шаг за шагом; если корпоративная подписка закрывает доступ к Foundry, у каждой лабораторной есть путь «прочитай код», чтобы отработать все цели экзамена. Сквозной кейс — вымышленная консалтинговая фирма Aldervane Advisory LLP: агент для Service Desk, извлечение данных из счетов и таймшитов, расшифровка встреч с клиентами, где конфиденциальность клиентских данных не обсуждается. Практика — в форматах настоящего экзамена: один и несколько вариантов, сопоставление, наборы утверждений «Да/Нет», дополнение кода. Цветные скетчноуты сводят каждую идею на одну страницу. Необязательные юниты: те же приложения на C#, квоты и стоимость, оценка и трассировка, управление клиентскими данными. Материал курса на английском.

Занятие — на вашем языке: его ведёт ассистент.

  • Материал: английский
  • Экзамен: английский — сдаётся на сайте, без перевода
Как это устроено

Ассистент берёт материал курса с нашего сервера и ведёт занятие на вашем языке.

Экзамен сдаётся на сайте, без ассистента. Вопросы экзамена не переводятся: так решено для всех курсов.

Как подключить ассистента

Путь по курсу

· юнитов: 24

порядок свободный · юниты можно проходить в любом порядкеВид: карта · ступени

финал · в браузере, без ассистента

Экзамен

закрыт · записаться на курс

Путь по курсу словами
  • Карта экзамена и ландшафт Foundry — ~1,3 ч
  • Рабочие нагрузки ИИ: от сценария к нагрузке — ~1 ч
  • Как работают генеративные модели ИИ — ~1 ч
  • Выбор модели в каталоге Foundry — ~1 ч
  • Варианты развёртывания и параметры конфигурации — ~1,3 ч
  • Ответственный ИИ: шесть принципов и защитные механизмы Foundry — ~1,3 ч
  • Анализ текста: ключевые фразы, сущности, тональность, резюме — ~1 ч
  • Речь: распознавание, синтез, перевод и аудиомодели — ~1 ч
  • Компьютерное зрение и генерация изображений — ~1 ч
  • Извлечение информации с Azure Content Understanding — ~1 ч
  • Промпт-инжиниринг: системные и пользовательские промпты, которые работают — ~1,5 ч
  • Лабораторная: развернуть модель и работать с ней на портале Foundry — ~1,5 ч
  • Лабораторная: лёгкий чат-клиент на Foundry SDK (Python) — ~2 ч
  • Создание и тестирование одного агента на портале Foundry — ~2 ч
  • Лабораторная: лёгкое клиентское приложение для агента службы поддержки ENGAGE — ~1,5 ч
  • Лабораторная: лёгкое приложение с анализом текста — ~1,5 ч
  • Лабораторная: речь — голосовые промпты и Azure Speech SDK — ~1,5 ч
  • Лабораторная: зрение — изображения на входе и на выходе — ~1,5 ч
  • Лабораторная: Content Understanding — документы, изображения, аудио и видео — ~1,5 ч
  • Репетиция экзамена: организация, стратегия и смешанный набор заданий — ~2,5 ч
  • Управление клиентскими данными в Foundry (Aldervane) — необязательный; ~1,5 ч
  • Те же приложения на C#/.NET — необязательный; ~1,5 ч
  • Квоты, токены, стоимость и мониторинг — необязательный; ~1,5 ч
  • Оценка, трассировка и red teaming в Foundry — необязательный; ~1,5 ч

Программа · 24 юнита

1Карта экзамена и ландшафт Foundry

Описывать два домена AI-901, их веса и формат экзамена (проходной балл 700, без лабораторных)

~1,3 ч
2Рабочие нагрузки ИИ: от сценария к нагрузке

Называть шесть рабочих нагрузок ИИ в AI-901, а также вход и выход каждой

~1 ч
3Как работают генеративные модели ИИ

Объяснять, что такое токены и почему оплата, квоты и контекстные окна считаются в токенах

~1 ч
4Выбор модели в каталоге Foundry

Отличать модели, продаваемые напрямую Azure, от моделей партнёров и сообщества

~1 ч
5Варианты развёртывания и параметры конфигурации

Сравнивать варианты развёртывания serverless API и managed compute

~1,3 ч
6Ответственный ИИ: шесть принципов и защитные механизмы Foundry

Соотносить короткий сценарий с нужным принципом ответственного ИИ: справедливость, надёжность и безопасность, конфиденциальность и защищённость, инклюзивность, прозрачность или подотчётность

~1,3 ч
7Анализ текста: ключевые фразы, сущности, тональность, резюме

Выбирать метод анализа текста под сценарий: определение языка, извлечение ключевых фраз, распознавание именованных сущностей, связывание сущностей, обнаружение PII, анализ тональности, анализ мнений (opinion mining) или резюмирование

~1 ч
8Речь: распознавание, синтез, перевод и аудиомодели

Отличать в сценарии распознавание речи (речь в текст) от синтеза речи (текст в речь) и перевода речи

~1 ч
9Компьютерное зрение и генерация изображений

Выбирать задачу компьютерного зрения под сценарий: классификация изображений, обнаружение объектов, сегментация, OCR, подписи и теги, обнаружение лиц или распознавание лиц

~1 ч
10Извлечение информации с Azure Content Understanding

Отличать OCR, анализ макета (layout) и извлечение полей и объяснять, почему один OCR не даёт структурированных данных

~1 ч
11Промпт-инжиниринг: системные и пользовательские промпты, которые работают

Отличать системный промпт от пользовательского и решать, куда относится данное правило

~1,5 ч
12Лабораторная: развернуть модель и работать с ней на портале Foundry

Разворачивать модель из каталога моделей Foundry и отличать модель от развёртывания

~1,5 ч
13Лабораторная: лёгкий чат-клиент на Foundry SDK (Python)

Собирать чат-клиент на Python с DefaultAzureCredential, AIProjectClient и get_openai_client

~2 ч
14Создание и тестирование одного агента на портале Foundry

Объяснять, что такое prompt agent в Foundry: модель, инструкции и инструменты, упакованные под одним именем

~2 ч
15Лабораторная: лёгкое клиентское приложение для агента службы поддержки ENGAGE

Вызывать существующего агента Foundry из Python с agent_reference в responses.create

~1,5 ч
16Лабораторная: лёгкое приложение с анализом текста

Выбирать для сценария анализа текста между Azure Language в Foundry Tools и развёрнутой генеративной моделью

~1,5 ч
17Лабораторная: речь — голосовые промпты и Azure Speech SDK

Выбирать для голосового сценария между конвейером Azure Speech, мультимодальной аудиомоделью и Voice Live

~1,5 ч
18Лабораторная: зрение — изображения на входе и на выходе

Отличать в сценарии мультимодальную чат-модель (на входе изображение, на выходе текст) от модели генерации изображений (на входе текст, на выходе изображение)

~1,5 ч
19Лабораторная: Content Understanding — документы, изображения, аудио и видео

Объяснять анализаторы, схемы и поля в Azure Content Understanding в Foundry Tools и выбирать готовые или собственные анализаторы

~1,5 ч
20Репетиция экзамена: организация, стратегия и смешанный набор заданий

Описывать формат экзамена AI-901: время, типы вопросов, проходной балл, перерывы, пересдачи и запись

~2,5 ч
21Управление клиентскими данными в Foundry (Aldervane)

Выбирать тип развёртывания, который удовлетворяет требованию клиента к месту обработки данных

~1,5 ч
22Те же приложения на C#/.NET

Сопоставлять пакеты Python для Foundry, Language и Speech с их аналогами в .NET

~1,5 ч
23Квоты, токены, стоимость и мониторинг

Объяснять, как квота TPM и лимиты RPM выделяются и назначаются развёртываниям

~1,5 ч
24Оценка, трассировка и red teaming в Foundry

Выбирать между оценкой, трассировкой и red teaming для данного вопроса

~1,5 ч

Рецепты этого курса

все рецепты курса (1)