Azure AI Fundamentals（AI-900） 勉強方法 完全ロードマップ

昨今のAIブームを受け、AIエンジニアになりたいと考えている方は多いのではないでしょうか。
現役エンジニアである筆者がAzure AIの基礎資格であるAzure AI Fundamentalsの勉強方法を合格体験記付きでご紹介していますので参考になれば幸いです。

はじめに：Azure AI Fundamentals 勉強方法で迷っているあなたへ

「Azure AI Fundamentals 勉強方法」で検索してこの記事にたどり着いた方は、きっとこんな不安を抱えていると思います。

• AIや機械学習は難しそうで、どこから手を付ければいいか分からない
• Azureは少し触ったことがあるけれど、AIサービスまでは追えていない
• 日本語で分かりやすくまとまった勉強ロードマップがほしい
• 仕事が忙しくて、平日は1時間くらいしか勉強時間が取れない

この記事では、Microsoft認定資格「Azure AI Fundamentals（試験コード：AI-900）」に合格するための勉強方法を、公式ドキュメントや実際の合格体験をベースに、できるだけ分かりやすく整理していきます。

• 公式試験ガイド・skills measured の内容をかみ砕いて整理しつつ
• Microsoft Learn や公式トレーニング、代表的な日本語教材・模擬試験を比較しながら
• 大手SIer勤務のインフラ／クラウドエンジニアが、平日1〜1.5時間＋週末3〜4時間で合格した勉強スケジュールを具体的に紹介します。

読み終わる頃には、

「自分はこのスケジュールならAI-900に受かりそうだな」

というイメージがかなりはっきりしているはずです。

Azure AI Fundamentals（AI-900）とは？

試験の位置づけ

Azure AI Fundamentals（AI-900） は、Microsoft Azure 上で AI ソリューションを構築するためのAI の基礎概念を証明する入門レベル資格です。

公式の説明を要約すると、この試験では次のような力が問われます。

• AI の代表的なワークロード（機械学習・コンピュータビジョン・自然言語処理・会話AI など）の理解
• それぞれのワークロードに対して、どの Azure AI サービス を選べばよいかを判断する力
• AI の活用における「責任あるAI（Responsible AI）」の考え方

前提条件となる資格や高度なプログラミングスキルは不要なので、AI 初心者や非エンジニアでも受験しやすい試験です。

将来的に、

• Azure AI Engineer Associate
• Azure Data Scientist Associate

などのロールベース資格を目指す人の「入口」として位置づけられています。

試験の基本仕様（概要）

記事執筆時点で公開されている情報や、合格者の体験談を整理すると、AI-900 の試験仕様はおおむね次のようなイメージです（細かい数字は回によって変わる可能性があります）。

• 試験コード：AI-900
• レベル：初級（Fundamentals）
• 形式：選択式（単一選択・複数選択）
• 試験時間：45〜60分程度
• 問題数：40〜60問前後（回によって変動）
• 合格ライン：700 / 1000 点
• 受験方法：テストセンターまたはオンライン監督付き試験
• 言語：日本語を含む複数言語に対応

「ケーススタディ形式の長文問題」はほぼ出ないので、初心者でも取り組みやすいボリューム感です。

筆者のプロフィール

Azure AI Fundamentalsに合格した筆者のプロフィール情報を記載します！

• 職種：大手SIer勤務のインフラ／クラウドエンジニア（2021年新卒入社）
• クラウド経験：AWS 案件での経験はあるが、オンプレ中心の時期も長い
• Azure経験：ポータルを触ったことはあるが、AI サービスはほぼ未経験
• 勉強に使えた時間：
  • 平日：1〜1.5時間
  • 週末：3〜4時間

この状態から、

約6〜7週間（合計 50〜60時間 程度）の学習で AI-900 に合格

しています。

勉強時間の目安と勉強方法の全体像

前提別の勉強時間イメージ

もちろん個人差はありますが、代表的なパターンごとに AI-900 合格までの目安をざっくり整理すると次のようなイメージです。

1. IT・AI 完全未経験 / 数学が少し不安
   • 目安：40〜70時間
   • 期間：1日1〜1.5時間で 1.5〜2か月
2. IT 経験あり（インフラ or アプリ）、AI はほぼ未経験
   • 目安：30〜50時間
   • 期間：平日1〜1.5時間＋週末3〜4時間で 1〜1.5か月
3. AI・機械学習の基礎知識があり、Azure も多少触ったことがある
   • 目安：15〜30時間
   • 期間：1日2時間ペースなら 2〜3週間 でも十分射程内

この記事では、②の「IT経験あり・AIは初心者」な方を主要ターゲットとしながら、①の完全初学者でもついてこられるように丁寧に説明していきます。

学習を 3 フェーズに分ける

AI-900は、「用語暗記」だけで乗り切るタイプの試験ではなく、

「どのワークロードにどの Azure AI サービスを組み合わせるべきか」

を判断する力が必要です。

そのため、勉強方法も以下の3フェーズで考えると効率が良くなります。

• フェーズ1：全体像インプット
  • Microsoft Learn / 公式コースで AI と Azure AI サービスの概要を一気に掴む
• フェーズ2：書籍＆公式ドキュメントで体系化
  • 出題スキル（skills measured）に沿って「何を問われるのか」を整理しながら、用語と概念を定着させる
• フェーズ3：問題演習・模試で仕上げ
  • MS Learn の練習問題・プラクティス評価＋日本語模擬試験（Udemy・Whizlabs等）でアウトプットを積み上げる

フェーズ1：全体像を掴む（Microsoft Learn と公式コース）

Microsoft Learn のラーニングパスを一周する

まずは Microsoft Learn の公式ラーニングパスを一通りやるのが王道です。Microsoft は AI-900 用に専用の学習パスを用意しており、AI 概念〜Azure AI サービスまで体系的に学べます。

代表的なモジュール例（日本語版 Learn）：

• AI の基本概念（AI と機械学習、ディープラーニングの違いなど）
• Azure Machine Learning での機械学習のライフサイクル
• Azure AI Vision による画像分類・物体検出の基本
• Azure AI Language / Azure AI Search によるテキスト分析
• Azure OpenAI Service や Copilot との連携（生成AI）
• 責任あるAI（バイアス・公平性・説明可能性・安全性など）

勉強時間イメージ

• 平日：1日1時間 × 5日
• 週末：各2時間 × 2日

これで1週間〜10日ほどで Learn のラーニングパスを1周できるはずです。

ポイントは「細かいところまで理解しようとしない」こと。
まずは「こんなサービスがあるんだな」というレベルで全体像を頭に入れます。

公式コース AI-900T00 を使った理解の深掘り

Microsoft は講師主導 or オンライン向けに 「AI-900T00: Introduction to AI in Azure」 という公式コースも提供しています。

このコースでは、

• AI の代表的なワークロードの種類
• それぞれに対応する Azure サービス
• ハンズオン形式の演習（Vision / Language / Decision / Search など）

を通じて、「AIの概念」だけでなく実際の使い方までイメージできるように設計されています。

会社の研修などで受講できる環境があるなら、

• AI-900T00 を一度受講し、その後 Learn のラーニングパスで復習する

という順番でも問題ありません。

フェーズ2：書籍＆公式ドキュメントで体系的に理解を固める

なぜ書籍が重要なのか

オンライン教材だけでも合格は可能ですが、以下の理由から1冊は日本語書籍を持っておくことを強くおすすめします。

• 試験範囲に合わせて章立てされており、「どのテーマがどれくらい重要か」が分かりやすい
• 図解が多いので、機械学習の流れやモデルの種類などを直感的に理解しやすい
• 章末問題や一問一答でインプットとアウトプットを一気に回せる

代表的な日本語書籍の例と使い分け

以下に代表的な参考書籍と書籍ごとの特徴をご紹介します！
Azureサービスの情報はWebにも公開されていますが、書籍にはすべての情報がまとまっているので1冊購入することをおすすめします。

1. AI-900 一問一答 試験対策ガイド
   • AI-900 の出題範囲を網羅した一問一答形式の問題集。
   • 各問題の解説を読み込むと、Azure AI サービスと AI 概念の両方をコンパクトに復習できる。
   • 「通勤のスキマ時間にサクサク進めたい人」に特におすすめ。
2. 合格対策 Microsoft認定 AZ-900：Microsoft Azure Fundamentalsテキスト＆問題集 第2版
   • 多くの出版社から「Microsoft Azure Fundamentals（AZ-900）対策本」が出ており、本書もその代表的な1冊。前半：クラウドコンピューティングの基礎概念
     Azure の主要サービス（Compute / Storage / Network など）
     セキュリティ、ガバナンス、料金体系の基礎
     後半：
     各章末問題
     本試験形式の模擬問題という構成になっています。
   • IT やクラウドの実務経験が少ない人でも理解できるよう、専門用語は平易な言葉で説明されており、「Azure を使う前に最低限知っておくべき考え方」を体系的に学べる点が特徴。Azure 未経験者や、クラウドの全体像を把握したい人、AZ-900 を最短で合格したい人は、まず本書を一通り通読し、サービス名・料金モデル・責任共有モデルなど頻出ポイントにマーカーを引いておくと、模試や直前復習の効率が大きく上がります。

公式「Skills Measured」ドキュメントの活用

Microsoft は AI-900 用に「Skills Measured」という文書を公開しています。

ここには、

• 試験で評価されるスキルのカテゴリ
• 各カテゴリごとの具体的なトピック

が詳細に書かれているので、実質的な「出題範囲表」として使えます。

おすすめの使い方：

1. Skills Measured をざっと読み、
   • AI ワークロード
   • ML の原則
   • Computer Vision / NLP / 会話AI
   • Responsible AI
     の4〜5カテゴリに分類する
2. それぞれの項目を、
   • 「理解している」
   • 「なんとなく分かる」
   • 「さっぱり分からない」
     の3色のマーカーで塗り分ける
3. 「なんとなく」と「さっぱり」を優先して補強するように、Learn や書籍の章を対応づけて読み直す

こうしておくと、フェーズ3の問題演習で「今どのドメインが弱いか」がすぐ把握できるようになります。

フェーズ3：問題演習・模試でアウトプットを強化する

Microsoft Learn の練習問題・プラクティス評価

Microsoft Learn には、AI-900 向けの知識チェック・練習問題・プラクティス評価が用意されています。

• ラーニングパスの各ユニット末尾のクイズ
• AI-900 用の「Practice assessment」（模擬試験に近い形式）

を少なくとも2周解くのがおすすめです。

1周目

• 解説を読み込みながら、「なぜその選択肢が正解なのか」を理解する。

2周目

• 時間を測りながら本番に近い感覚で解き、8割以上を安定して取れるか確認する。

Udemy 模試・Whizlabs などの有料問題集

日本語で提供されている Udemy の Azure AI Fundamentals 模擬試験コースは、実際の AI-900 にかなり近い形式で作られており、合格者の多くが利用しています。

• 制限時間付きの模擬試験を 3〜4セット解くことで、
  • 出題パターン
  • Azure サービスの組み合わせ方
    に体が慣れてきます。

また、英語リソースでも構わなければ Whizlabs の問題集を併用するのも有力です。

ポイントは、「同じ模試を何度も解き、間違えた理由を言語化してメモに残す」ことです。
スコアだけ追うと伸び悩みますが、解説を読み込みながら復習すると理解が一気に深まります。

ドメイン別攻略：何をどこまで理解すればいいか

ここからは、公式 Skills Measured の構成をベースに、ドメイン別に「どこまで理解すれば合格ラインか」を具体的に整理していきます。

AI ワークロードと考慮事項

押さえるべきポイント

• AI ワークロードの代表例
  • 予測（回帰・分類）
  • 異常検知
  • 推薦
  • 画像認識・物体検出
  • 音声認識・音声合成
  • テキスト分析・要約・翻訳
  • 会話ボット
• それぞれに対応する Azure サービス
  • 機械学習系：Azure Machine Learning
  • Vision：Azure AI Vision
  • Language / Text Analytics：Azure AI Language
  • Document Intelligence（旧Form Recognizer）
  • 検索：Azure AI Search（旧Cognitive Search）
  • 生成AI：Azure OpenAI Service
• どのワークロードを選ぶかの判断軸
  • 入力データの種類（画像・テキスト・構造化データなど）
  • 出したい結果のタイプ（数値・ラベル・テキスト生成など）

勉強のコツ

• Learn の各モジュールで出てくるサンプルシナリオ（例：工場の異常検知、カスタマーサポートの自動応答など）を、自分の業務に置き換えて考える。
• 「このシナリオならどの Azure サービスを使うか？」を一問一答形式でメモにしておく。

機械学習の基本概念

AI-900 では、「アルゴリズムの実装」まで問われることはありませんが、以下のような概念レベルの理解が必要です。

• 教師あり学習・教師なし学習・強化学習の違い
• 回帰問題と分類問題の違い
• トレーニングデータ・検証データ・テストデータ
• 過学習・汎化・バイアス／バリアンス
• 機械学習のライフサイクル
  • データ準備 → モデル学習 → 評価 → デプロイ → 監視

Azure 特有の内容としては、

• Azure Machine Learning でのワークスペース・データストア・コンピュートリソースの役割
• AutoML・ドラッグ＆ドロップ UI など、コーディングなしでモデルを作る手段

これらは Microsoft Learn の「機械学習の基礎」モジュールで丁寧に説明されています。

コンピュータビジョン（Computer Vision）

出題されやすいキーワード

• 画像分類 / 物体検出 / セマンティックセグメンテーション
• 画像からのテキスト抽出（OCR）
• Face API / 顔検出・属性推定（近年は制約もあり、最新の利用状況に注意）
• Azure AI Vision のサービス構成（Image Analysis など）

理解のゴール

• 「画像をラベル付けしたい」「領収書から金額を読み取りたい」と言われたとき、
  • どのサービス名を挙げるか
  • どの API 機能を使うか（分類／検出／OCRなど）
    を説明できること。

自然言語処理（NLP）・会話AI

押さえるべき領域

• Key phrase extraction, Sentiment analysis, Language detection などのテキスト分析タスク
• Azure AI Language の機能（テキスト分析 / カスタム分類 / 名前付きエンティティ認識など）
• 会話ボットを構築するためのサービス（Azure Bot Service など）
• Azure AI Search による「検索＋AI」のユースケース（FAQ 検索など）

試験っぽい視点

• 「顧客レビューのポジ・ネガを自動で判定したい」→ Sentiment analysis
• 「大量のPDFから会社名・金額を抽出したい」→ NER or Document Intelligence
• 「よくある問い合わせに自動応答したい」→ Bot Service + Language / QnA 的なソリューション

生成AIと Azure OpenAI

最新の Skills Measured では、生成AI（Large Language Models, Azure OpenAI Service） も AI-900 の範囲に含まれています。

押さえておきたいポイント：

• 大規模言語モデル(LLM)とは何か（大量のテキストから学習し、自然な文章を生成できるモデル）
• Azure OpenAI Service が提供する代表的なモデル群（GPT 系、画像生成モデルなど）
• チャットボットや要約、コード生成などの代表的ユースケース
• セーフティ・コンテンツフィルタリング・責任あるAIとの関係

ここでは「プロンプト設計のテクニック」まで覚える必要はありません。
あくまで、どんな用途に向いており、どんな注意点（倫理・安全性）があるかを理解しておけば十分です。

責任あるAI（Responsible AI）

Responsible AI は、最近の試験アップデートでかなり比重が高くなっている領域です。

キーワード例：

• 公平性（Fairness）
• 信頼性と安全性（Reliability & Safety）
• プライバシーとセキュリティ
• 包括性（Inclusiveness）
• 透明性（Transparency）
• 説明責任（Accountability）

Azure のドキュメントでは、これらの原則を守るためのガイドラインやツール（Responsible AI dashboard など）が紹介されています。

試験では

• 「バイアスを低減するにはどのような手順を踏むべきか」
• 「説明性を高めるために何をするか」

といった、概念レベルの選択問題が中心です。

合格体験記：平日1〜1.5時間・週末3〜4時間

ここからは、筆者が合格時に実践した合格体験記をご紹介します。

1〜2週目：Azure AIの世界をざっくり眺める（インプット期）

目的：

• AI/ML の言葉への抵抗感をなくす
• Azure AI サービスを「名前だけでも一通り聞いたことがある状態」にする

平日（1日1〜1.5時間）

• Microsoft Learn の AI-900 ラーニングパスを毎日1〜2ユニットずつ進める
• 各ユニットの最後にあるクイズを必ず解く
• 出てきたサービス名をノートに書き出し、「一言で説明」を自分の言葉で添える

週末（3〜4時間）

• 平日にやり残したユニットをまとめて進める
• 「よく分からなかったところ」だけ、公式ドキュメントやブログ記事で補完
• 可能であれば、簡単なハンズオン（Vision や Language のサンプル）を1つ体験

この段階では点数を気にせず、「AI と Azure の全体像の地図を描く」ことに集中していました。

3〜4週目：書籍＋Skills Measuredで理解を整理する（体系化期）

目的：

• 出題範囲を意識しながら、「どこが弱点か」をはっきりさせる

平日

• 選んだ対策テキストを 1日1章ペース で読み進める
• 章末問題を解き、「間違えた問題の番号」に付箋を貼る
• Skills Measured を横に置き、関係しそうな項目にマーカーを付ける

週末

• 1週間分の章末問題を解き直し、「2回連続で正解できた問題」には ✅ を付ける
• Learn で特に苦手だったトピック（例：Responsible AI や一部の ML 概念）を重点的に復習

この段階まで来ると、

• 「用語は何となく見覚えがある」状態から
• 「このサービスはこういう場面で使う」と言える状態

に近づいてきます。

5〜6週目：模試ラッシュ＆弱点つぶし（アウトプット期）

目的：

• 本番形式の問題に慣れ、スコアを安定させる

平日

• Udemy 模試を1日20問ずつ解き、通勤時間にスマホで復習
• Learn の Practice Assessment を1日おきに1セット解き直す

週末

• 本番と同じ 45〜60分を確保し、模試を1回分通しで解く
• スコアが7割を切ったドメインを洗い出し、テキスト＋Learn で集中的に復習
• 余裕があれば、別のブログ記事や Qiita の体験記を読み、「よく出る罠」をインプット

本番当日の感想

• 問題形式は、事前に解いていた Udemy 模試や Learn の Practice Assessment とかなり近い印象
• LLM（大規模言語モデル）や生成AIに関する問題が数問出題され、「Azure OpenAI Service」の概要を理解しておいて良かったと感じた
• Responsible AI の設問も複数出たが、Learn とテキストで原則を押さえていたため落ち着いて回答できた
• 結果は8割強のスコアで合格。
  • 手応えとしては「ギリギリ」ではなく、余裕を持ってクリアできた感覚

忙しい社会人のための時短テクニック

まず受験日を先に押さえる

• 2か月後ぐらいの土曜日で AI-900 を予約してしまう
• 「試験日が決まっている」という事実が、一番強いモチベーションになります

毎日のノルマは「時間」ではなく「単位」で決める

• NG例：「今日は30分だけ勉強しよう」
• OK例：「今日は Learn を2ユニット進める」「模試を20問解く」

単位ベースで決めると、「何をやれば合格に近づいているのか」が分かりやすくなり、達成感も得やすくなります。

スマホ学習をフル活用する

• Microsoft Learn や Udemy 模試はスマホアプリでも利用可能
• 通勤時間・待ち時間に3問だけ解くなど、細切れ時間を積み上げる

よくある質問（Azure AI Fundamentals 勉強方法 編）

Q1. プログラミング経験がなくても大丈夫？

はい、大丈夫です。
公式にも、AI-900 は技術的な前提条件なしで受験できる入門資格と明記されています。

Python コードの細かい記述などは問われず、あくまで概念とサービス選択が中心です。

Q2. 数学が苦手でも合格できますか？

微分積分や線形代数の証明が出ることはありません。

• 機械学習の説明は「回帰＝数値予測」「分類＝ラベル分類」といったレベル
• 過学習や評価指標も、直感的な説明を理解していればOK

数字の計算というより、言葉としての理解が求められます。

Q3. ハンズオンは必須ですか？

必須ではありませんが、可能であれば1〜2個のハンズオンをやっておくと記憶に残りやすくなります。

Microsoft Learn の一部モジュールでは、サンドボックス環境で AI サービスを実際に触る演習が用意されているので、時間に余裕があればぜひ試してみてください。

Q4. どのタイミングで受験するのがベスト？

• 模試や Practice Assessment で 常に 75〜80% 以上が取れるようになってきたら十分に受験圏内です。
• 逆に、6割前後をウロウロしている場合は、
  • Skills Measured を見ながら「どのドメインの正答率が低いか」
  • そのドメインの Learn / テキストの該当章
    を集中的に復習すると一気に伸びることが多いです。

Q5. Azure AI Fundamentals 合格後はどう活かせる？

公式にもある通り、Azure AI Fundamentals は Azure AI Engineer Associate や Azure Data Scientist Associate へのステップとして活用できます。

職場での活かし方の一例：

• プリセールス・企画側
  • 「どの業務にどのAIワークロードが適しているか」を説明できるようになり、PoC 企画の説得力が増す
• インフラ／クラウドエンジニア
  • 既存システムに AI を組み込む際、「どの Azure サービスをどうつなぐか」を設計段階から議論できる
• アプリケーションエンジニア
  • Azure OpenAI や AI Search をアプリに組み込む際の「入口知識」として活用できる

この記事の内容をそのまま真似するときのチェックリスト

最後に、「Azure AI Fundamentals 勉強方法」を実行に移すためのチェックリストとして、もう一度全体をまとめます。

1. 試験日を決める
   • 6〜8週間後の週末で AI-900 を予約
2. フェーズ1：全体像インプット（1〜2週目）
   • Microsoft Learn の AI-900 ラーニングパスを1周
   • 各ユニットのクイズで軽く理解度チェック
3. フェーズ2：体系化（3〜4週目）
   • 日本語の対策テキストを1冊選び、平日1章ずつ読み進める
   • Skills Measured ドキュメントにマーカーを引き、「弱いドメイン」を可視化
4. フェーズ3：アウトプット強化（5〜6週目）
   • Microsoft Learn の Practice Assessment を2周
   • Udemy 模試や Whizlabs を使って模擬試験を3〜4回実施
   • 間違えた問題はすべて「なぜ間違えたか」をノートに記録
5. 直前1週間
   • 一問一答形式の問題集を使って、用語とサービス名を総復習
   • Responsible AI と生成AIの章をもう一度読み直す

おわりに：Azure AI Fundamentals は「AI時代の共通言語」

Azure AI Fundamentals（AI-900）は、

「エンジニアだけでなく、ビジネス側の人も含めて、AI時代の共通言語を身につけるための資格」

という位置づけだと感じています。

• AI・機械学習・生成AIの全体像
• Azure 上でそれらを実現する具体的なサービス
• Responsible AI の考え方

を一通り学んでおくことで、
これからの AI プロジェクトの会話に「自信を持って参加できる」ようになります。

この記事のロードマップを、自分の生活リズムに合わせて少しカスタマイズしつつ、まずは試験日を1つ決めてみてください。

そこから逆算して、今日の「1時間」の勉強が、AI-900 合格とその先のキャリアへの確かな一歩になっていきます。