更新：
AI-100: Designing and Implementing a Microsoft Azure AI Solution已在2021年7月29日更新成為AI-102: Designing and Implementing a Microsoft Azure AI Solution
這篇文章的內容
- AI-100和AI-102有什麼不同：考試大綱比對
- 誰需要考這張認證
- 如何拿到AI Engineer認證
- 考試模式：題目類型、長度
- 考試範圍包含哪些服務
- 我使用過的學習資源
- 如果能重來一次
AI-102（新）和AI-100（舊）有什麼不同：考試大綱比對
新舊考試範圍
AI-102
- Plan and Manage an Azure Cognitive Services Solution (15–20%)
- Implement Computer Vision Solutions (20–25%)
- Implement Natural Language Processing Solutions (20–25%)
- Implement Knowledge Mining Solutions (15–20%)
- Implement Conversational AI Solutions (15–20%)
AI-100
- Analyze solution requirements (25–30%)
- Design AI solutions (40–45%)
- Implement and monitor AI solutions (25–30%)
新考試更著重在各項AI服務的整合、測試、實現、除錯
相較於AI-100，AI-102著重在各種AI服務（包含Cognitive Service, Computer Vision, Natural Language Processing, Knowledge Mining和Conversational AI），而把過去偏從頭到尾workflow和pipeline的部分省略。
更多細節請參考大綱
誰需要考這張認證
官網上具體的列出了如果你的工作（或想找的工作）包含以下內容，那麼AI-102很適合你：
Their responsibilities include participating in all phases of AI solutions development — from requirements definition and design to development, deployment, maintenance, performance tuning, and monitoring.
著重如何在Azure上建立、規劃、開發各種AI相關服務所需的技能，也包含需求定義、效能優化以及監視。
如何拿到AI Engineer認證
如果想要拿到AI Engineer，需要通過以下考試：
Exam AI-102: Designing and Implementing a Microsoft Azure AI Solution
考試模式
我們有120分鐘的時間可以作答。
可能碰到的考題類型有
- 單選題
- 多選題
- 是非題
- 案例題
- 配對題
- 順序排列題
- 完成架構圖題：例如要達成AI，這張架構圖上還缺少哪項服務？
考試範圍包含哪些服務
（根據考試大綱）
- Azure Cognitive Service
- Computer Vision
- Face API
- Video Indexer
- Text Analytics
- Speech
- LUIS
- Knowledge Mining
- Cognitive Search
- QnA Maker
- Bot Framework
- Azure Virtual Network
我使用過的學習資源
Microsoft Learning
如果對於基礎觀念不熟悉，建議從官方網站提供的Learning Path開始。例如AI Engineer適用的課程就有許多不同的小單元（官方建議在此），例如
- Prepare for AI engineering
- Provision and manage Azure Cognitive Services
- Process and translate text with Azure Cognitive Services
- Process and Translate Speech with Azure Cognitive Speech Services
- Create a Language Understanding solution
這幾個Path都很實用，我自己也上過其中幾個，覺得基礎觀念講得很清楚，之後再看文件也比較不會有看不懂的問題。
Microsoft AI Document
這一系列的文件是我經常翻閱的，感覺在考試中特別注重Bot Framework相關知識，譬如如何運用Bot Framework Emulator進行除錯？怎麼用Bot Analytics蒐集Bot現在的運行狀態資料？都是考試中見過的題目。
GitHub的Lab資源
如果你已經開通了Azure Portal，卻望著資源不知道該如何開始練習，Microsoft Learn在GitHub上有針對每一門考試放了Lab供使用。我自己覺得AI-100的內容不到非常hands-on，所以如果單純為了通過考試，這個部分可以選配。
如果能重來一次，我會著重在哪方面？
如果能重來一次，我會把花點時間熟悉Azure不同系列VM的差異，因為有特定系列跟AI相關。例如：
- Azure VM中著重在視覺和圖片辨識需求的NV和ND系列
- Azure VM中的F系列：CPU to Memory比高，適合用來做數學運算
- Azure VM中的N系列：擁有GPU的VM
也會花點時間了解FPGA。
另外，能夠說明IoT Hub和Event Hub的主要差別：IoT Hub可以接收跟傳送資料，但Event Hub只能接收。IoT Hub中已經包含Event Hub。
再來就是在Data Science中的名詞熟悉，譬如理解Data Drift是什麼：讓模型準度下降的主要原因，通常是由於輸入資料變化導致模型準度下降，譬如IoT Device被更換、單位更換或者故障、資料品質出現問題，有時也是自然產生，譬如溫度因為季節變化而產生變動。
其他例子像是
- LUDown：.lu files help describe language understanding components for your bot. LUDown is a command line tool that helps convert .lu file(s) into JSON files that you can then use to create your LUIS app or QnAMaker knowledge base.
- ChatDown： Chatdown CLI tool converts .chat files into conversation transcripts (.transcript files) that can be viewed in the Bot Framework Emulator
