2025.05.05 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 1편_개요와 준비 전략
2025.05.05 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 2편_인공지능(AI), 머신러닝(ML), 딥러닝(DL) 개념 비교
2025.05.06 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 3편_머신러닝 유형(지도학습, 비지도학습, 강화학습)
2025.05.06 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 4편_자연어 처리(NLP)와 Azure Congnitive Service
2025.05.07 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 5편_컴퓨터 비전 개념과 Azure 적용
2025.05.08 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 6편_챗봇과 Azure Bot Services
2025.05.09 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 7편_책임 있는 AI(Responsible AI)
2025.05.10 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 8편_Azure Machine Learning 서비스 구조
2025.05.11 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 9편_실전 문제 유형 분석과 학습 자료 추천
목차:
- 1~9편 핵심 내용 압축 정리
- 시험 직전 1일: 복습 플랜
- 체크리스트: 이건 꼭 알고 가자 (Q&A 형식)
- 마인드셋: 시험 당일 최종 팁
- 맺으며 (격려의 말)
1~9편 핵심 내용 압축 정리
그동안 살펴본 AI-900의 모든 영역을 빠르게 정리해보겠습니다. (각 편의 핵심 키워드 위주로 요약)
- 1편 (시험 개요): AI-900은 Azure의 AI 서비스와 기초 개념을 다루는 입문 자격증입니다. 5개 주요 영역(AI 개요, ML 기본, CV, NLP, Generative AI)이 있으며 각 15~25% 비중으로 출제됩니】. 합격 점수 700점, 응시시간 60분, 객관식 약 40문항. 준비를 위해 MS Learn 모듈 학습, 공식 연습문제 활용 등을 권장하였습니】.
- 2편 (AI vs ML vs DL): AI(인공지능)는 가장 포괄적 개념으로, ML(머신러닝)과 DL(딥러닝)을 포함합니】. 머신러닝은 데이터로부터 학습하는 AI 기술 (AI의 하위집합】, 딥러닝은 인공신경망을 사용하는 ML의 한 분야 (ML의 하위집합)입니다. 관계는 AI ⊃ ML ⊃ DL (마트료시카 인형 관계】. 예시로 AI: 챗봇, ML: 스팸메일 필터, DL: 자율주행 객체인식 등을 들었습니다. 시험 포인트는 이들 개념을 정확히 구분하는 것.
- 3편 (ML 유형): 머신러닝 학습 방식 세 가지 – 지도학습(정답 있는 데이터로 학습, 분류/회귀】, 비지도학습(정답 없이 패턴 발견, 군집화/차원축소), 강화학습(에이전트가 보상으로 학습, 게임/로봇 제어). 지도 vs 비지도의 차이, 그리고 예제를 확실히 익혔습니다. 지도학습 예: 이미지 라벨링, 비지도 예: 고객 세그멘테이션, 강화 예: 알파고. 시험에서는 주어진 시나리오를 이 중 어느 유형인지 맞히는 문제가 자주 나옵니다.
- 4편 (NLP와 Azure Cognitive Services): **자연어 처리(NLP)**는 텍스트와 음성을 다루는 AI입니다. 주요 작업: 감정 분석, 키워드 추출, 개체 인식, 언어 번역, 질의응답, 음성인식/합】. Azure에서는 Language 서비스(텍스트 분석, 언어 이해), Speech 서비스(STT/TTS), Translator 등을 제공합니】. 예시로 챗봇의 의도 파악(LUIS), 메일 감정 분류(Text Analytics), 음성 비서(Speech to Text & Text to Speech) 등을 다뤘습니다. 시험 포인트는 NLP 작업 종류와 해당 Azure 서비스 매칭입니다.
- 5편 (컴퓨터 비전과 Azure): **컴퓨터 비전(CV)**은 이미지/영상 인식 기술. 주요 과제: 이미지 분류, 객체 검출, OCR(문자 인식), 얼굴 인】. Azure에서는 Azure AI Vision 서비스가 태그 생성, OCR 등을 하고, Face API가 얼굴 분석/인증을 제공하며, Custom Vision으로 자체 모델도 훈련 가능합니】. 예시: OCR로 명함 정보 추출, Custom Vision으로 제품 불량 검사 모델 만들기. 시험에서는 CV 작업 개념과 Vision/Face 서비스 역할을 묻습니다.
- 6편 (대화형 AI): 챗봇 등 대화형 AI의 구성 요소: 자연어 이해(NLU) 엔진(LUIS)이 의도 파악, QnA 지식베이스(QnA Maker)로 FAQ 답변, Azure Bot Service로 챗봇을 호스팅/연결. Azure Bot Framework를 통해 대화 흐름(dialog) 관리. 핵심은 “챗봇 = NLU + 대화관리 + 지식 + 통합”. 예시: 고객지원 FAQ봇, 음성 IVR 봇 (Speech 결합). 시험에서는 Bot Service 자체보단, “챗봇 구현에 필요한 Azure 서비스는?” 같은 식으로 출제될 수 있습니다 (답: Azure Bot Service + Language Understanding 등).
- 7편 (책임 있는 AI): Microsoft의 Responsible AI 6대 원칙 – 공정성, 안전성, 프라이버시, 포용성, 투명성, 책임】. 각각의 의미와 필요성을 사례와 함께 공부했습니다 (예: 편향된 AI -> 공정성 문제). 시험에서는 주로 시나리오를 주고 어떤 원칙과 관련있는지 묻거나, 원칙 설명을 골라내게 합니다. 핵심 키워드: Fairness=Bias 없애기, Inclusiveness=장애/소수자 고려, Transparency=설명 가능성 등.
- 8편 (Azure ML 서비스): Azure Machine Learning은 클라우드 ML 플랫폼으로, **작업 공간(Workspace)**을 중심으로 데이터, 컴퓨팅, 실험, 모델, 배포 등을 관리합니learn.microsoft.comlearn.microsoft.com】. AutoML로 자동 모델 선택/튜】, Designer로 시각적 ML 파이프라인, 모델 레지스트리에 모델 버전 관리, 엔드포인트 배포로 REST API 제공. MLOps(DevOps for ML)를 지원. 시험에서는 Azure ML을 통해 “모델 개발/배포 lifecycle 관리”할 수 있다는 점, AutoML의 이점 등이 출제됩니다.
- 9편 (문제 유형 및 학습 자료): AI-900 문제는 개념 정의, 시나리오 적용, 용어 매칭 등 다양하며, 시간을 충분히 주므로 정확히 읽고 푸는 게 중요. 우리는 대표 문제 유형별 전략과, 시험 전 살펴볼 개념 체크리스트를 정리했습니다. 또한 MS Learn, 공식 Docs, 연습문제, 강의 등 학습 자료들을 소개했고, 효과적인 복습 방법과 시험 당일 팁을 공유했습니다.
이렇게 1편부터 9편까지의 핵심을 모두 훑어봤습니다. 지금 이 글을 읽고 계신다면 상당한 내용을 소화하셨을 텐데요, 혹시 아직 헷갈리는 부분이 있다면 관련 편으로 돌아가 상세 부분을 재확인해보세요.
시험 직전 1일: 복습 플랜
시험 하루 전이나 당일 아침에는 가벼운 복습을 하는 것이 좋습니다. 다음과 같은 플랜을 제안합니다:
- D-1 아침: 1~9편 요약본(위에서 정리한 것)을 한번 쭉 읽습니다. 이때 각 주제별로 기억나는 내용을 머릿속으로 떠올리며 점검하세요.
- D-1 오후: MS Learn의 AI-900 모듈에 포함된 지식 체크 퀴즈들을 다시 풀어보세요. 혹시 틀린 문제가 있으면 해당 개념을 재복습.
- D-1 저녁: 시험 대비 요약 노트가 있다면 훑어보고, 없으면 이 블로그 시리즈의 각 편 마무리 요약 부분만 발췌독합시다. 그리고 9편의 체크리스트(아래)에 있는 질문들에 스스로 답해보세요.
- 시험 당일 아침: 너무 무리한 공부는 피하고, 가벼운 개념 확인만 합니다. 특히 혼동될 수 있는 부분 (예: Fairness vs Inclusiveness, Regress vs Classify 같은 것들)을 마지막으로 정리하고, 긍정적인 마음으로 시험장에 가세요.
스터디를 하셨다면 스터디원과 서로 질답을 주고받는 것도 도움 됩니다. 혼자라면 공책에 중요 용어를 써보고 정의를 적어보는 것도 좋습니다. 중요한 건 새로운 걸 공부하려 하지 말고, 이미 아는 내용을 확실히 한다는 것입니다.
충분한 수면과 컨디션 조절도 잊지 마세요. 머리가 맑아야 사소한 함정을 안 놓칩니다.
체크리스트: 이건 꼭 알고 가자 (Q&A 형식)
다음은 시험 직전에 자체 테스트용으로 사용해 볼 수 있는 문답 리스트입니다. 각 질문을 보고 바로 답이 떠오르는지 확인해보세요:
- Q1: 기계 학습(ML)과 딥러닝(DL)은 어떻게 다르죠?
A1: ML은 데이터로부터 학습하는 AI의 하위 분야이고, DL은 다층 인공신경망을 사용하는 ML의 하위 분야입니다. 즉 DL ⊂ ML ⊂ AI 관계입니】. - Q2: 지도학습 vs 비지도학습의 차이 한 줄 요약하면?
A2: 지도학습은 정답 레이블이 있는 데이터로 학습하고 (분류/회귀), 비지도학습은 정답 없이 데이터의 패턴을 찾습니다 (군집화 등). - Q3: Azure Cognitive Services는 무엇을 제공하나요?
A3: 개발자가 AI를 쉽게 쓸 수 있도록 미리 학습된 AI 모델 API를 제공합니다. 예: Vision (이미지 인식), Speech (음성 인식/합성), Language (자연어 처리), Decision(이상탐지) 등. - Q4: Azure Bot Service의 역할은 무엇인가요?
A4: 챗봇 애플리케이션을 호스팅하고 다양한 채널과 연결해주는 Azure 서비스입니다. Bot Framework로 만든 봇을 등록해 웹챗, Teams, Telegram 등에 쉽게 배포할 수 있습니다. - Q5: 공정성(Fairness) 원칙이 필요한 이유는?
A5: AI 모델이 특정 그룹에 편향된 결과를 내지 않도록 하기 위해서입니다. 예를 들어 인종이나 성별에 따라 성능 차별이 없도록 공정성을 고려해야 합니】. - Q6: AutoML을 사용하면 어떤 이점이 있나요?
A6: 여러 알고리즘과 파라미터를 자동으로 시도하여 최적의 ML 모델을 찾아줍니】. 사용자가 모델 선택/튜닝에 들이는 시간을 줄이고 성능을 높일 수 있습니다. - Q7: OCR이 무엇이며, Azure에서는 어떤 서비스를 사용하나요?
A7: OCR(Optical Character Recognition)은 이미지에서 문자 추출 기술입니다. Azure에서는 Azure AI Vision 서비스의 OCR 기능이나 Form Recognizer를 사용합니】. - Q8: 지도학습 문제의 두 가지 유형은?
A8: **분류 (카테고리 예측)**와 **회귀 (연속값 예측)**입니다. 예: 이메일 스팸 분류, 내일 주가 예측. - Q9: “고객 불만을 자동으로 분류해 담당 팀에 전달한다” – 이 시나리오에 적용된 AI 기법 2가지는?
A9: **자연어 처리(NLP)**의 감정 분석 또는 텍스트 분류 기술로 불만 내용을 파악하고 (Azure AI Language 활용), 결과에 따라 비즈니스 프로세스 자동화 (별도 로직)이 이루어짐. 핵심은 텍스트 분류 NLP. - Q10: Azure Machine Learning이 없다면 불편한 점은?
A10: 일일이 로컬에서 모델 개발하고 환경 설정/배포해야 해서 번거롭습니다. Azure ML이 있으면 클라우드에서 통합된 작업 공간으로 데이터, 코드, 모델, 배포를 관리할 수 있어 편리합니다.
위 Q&A는 예상문제를 직역한 건 아니지만, 중요한 개념을 다루고 있습니다. 혼자만의 답으로도 충분하니, 막힘없이 답할 수 있는지 테스트해보세요.
마인드셋: 시험 당일 최종 팁
- 침착함 유지: 모르는 문제가 나와도 당황하지 마세요. 찍더라도 논리적으로 찍으면 정답일 확률이 올라갑니다. 모든 문제를 완벽히 아는 사람은 드뭅니다.
- 체력 관리: 60분 집중해야 하니, 시험 보기 1시간 전쯤 가벼운 초콜릿이나 바나나 등으로 혈당을 올려두는 것도 방법입니다. 화장실은 미리 다녀오고요.
- 질문 꼼꼼히: 문제의 요구사항(…않은 것은, 모두 고르시오, 두 개 선택 등)을 끝까지 읽으세요. 특히 복수응답인 경우 선택 개수를 명시하니 확인 필수.
- 검토 시간 확보: 다 풀었다면 제출 전에 Flag해둔 문제나 애매했던 문제를 한 번 더 검토하세요. 단, 첫 직감이 맞는 경우도 많으니 지나친 수정은 피합니다.
- Azure 향후 도전 마음가짐: 합격한다면 좋겠지만, 혹 불합격해도 너무 낙담 말기. 무엇보다 많은 지식을 얻었으니 다음 번에 붙으면 됩니다. AI-900을 계기로 Azure Data Scientist 등 상위 자격증에도 도전해보세요.
맺으며 (격려의 말)
여기까지 Microsoft Azure AI Fundamentals (AI-900) 자격증 대비 10부작 시리즈를 모두 마쳤습니다. 긴 여정 동안 핵심 개념부터 실전 팁까지 함께 다뤄봤는데요, 이 글을 따라 차근차근 준비해오신 여러분이라면 충분히 좋은 결과를 얻으실 것이라 믿습니다.
마지막 한 마디 조언: 시험 그 이상의 가치에 눈을 돌려보세요. AI-900을 공부하면서 쌓은 지식은 앞으로 어떤 형태로든 여러분의 자산이 될 것입니다. Azure에서 제공하는 멋진 AI 서비스들을 알게 되었고, AI를 바라보는 시각도 넓어졌을 겁니다. 인증서는 그 과정의 보너스일 뿐이죠. 그러니 너무 긴장하기보다는, 지식을 확인하고 온다는 편안한 마음으로 시험장에 들어가세요.
모두들 좋은 결과 있기를 바랍니다. 행운을 빕니다!
GPT 추천 참고자료:
- Microsoft Docs: Exam AI-900 – Candidate Checklist (PDF, 응시 전 확인 사항)
- Cloud Guru: Azure AI-900 Last Minute Cheat Sheet (주요 개념 요약집)
- Reddit Thread: Passed AI-900, my experience (합격 후기, 공부 방법 조언)
- Microsoft Certification Poster: AI-900 Learning Path (AI-900 주제 맵과 관련 서비스 한눈에 보기)
- Azure Blog: From Azure AI Fundamentals to AI Solutions (AI-900 이후 학습 로드맵 제안)
2025.05.05 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 1편_개요와 준비 전략
2025.05.05 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 2편_인공지능(AI), 머신러닝(ML), 딥러닝(DL) 개념 비교
2025.05.06 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 3편_머신러닝 유형(지도학습, 비지도학습, 강화학습)
2025.05.06 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 4편_자연어 처리(NLP)와 Azure Congnitive Service
2025.05.07 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 5편_컴퓨터 비전 개념과 Azure 적용
2025.05.08 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 6편_챗봇과 Azure Bot Services
2025.05.09 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 7편_책임 있는 AI(Responsible AI)
2025.05.10 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 8편_Azure Machine Learning 서비스 구조
2025.05.11 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 9편_실전 문제 유형 분석과 학습 자료 추천
'IT공부방' 카테고리의 다른 글
| 2편: 전통적 PI vs 현대적 PI – BPR, 6시그마와 AI·RPA의 혁신 비교 (1) | 2025.05.13 |
|---|---|
| 1편: 프로세스 이노베이션이란? - 디지털 시대의 업무 혁신 (0) | 2025.05.12 |
| [AI-900] 자격증 완벽정리 9편_실전 문제 유형 분석과 학습 자료 추천 (1) | 2025.05.11 |
| [AI-900] 자격증 완벽정리 8편_Azure Machine Learning 서비스 구조 (0) | 2025.05.10 |
| [AI-900] 자격증 완벽정리 7편_책임 있는 AI(Responsible AI) (0) | 2025.05.09 |