ハンズオンラボ — AI-900 Microsoft Azure AI Fundamentals

概要

前提条件

ステップ

1. 1.TerraformのバージョンとAzureプロバイダーを選択する

   標準的なAzureの開始部分: azurerm ~> 4.0 のピン留め、空の features {} ブロック、そしてグローバルに一意なリソース命名のための random_id （AI ServicesアカウントはそのDNS名に関してAzure全体で一意である必要があります）。

   コピー

   terraform {
     required_version = ">= 1.5"
   
     required_providers {
       azurerm = {
         source  = "hashicorp/azurerm"
         version = "~> 4.0"
       }
       random = {
         source  = "hashicorp/random"
         version = "~> 3.6"
       }
     }
   }
   
   provider "azurerm" {
     features {}
   }
   
   resource "random_id" "suffix" {
     byte_length = 2
   }
   
   locals {
     tags = {
       Project   = "certlabpro-ai-900"
       ManagedBy = "terraform"
     }
   }
   
   resource "azurerm_resource_group" "main" {
     name     = "certlabpro-ai-900-rg"
     location = "eastus"
     tags     = local.tags
   }

2. 2.AIサービスが入力データを読み込む場所を提供する

   プロビジョニング対象:

   • Azure Storage

   ほとんどすべてのAzure AIシナリオでは、Azure Storageから入力データを読み込みます。Computer Vision用の画像、Speech用のオーディオクリップ、Language用のテキストファイル、カスタムモデル用のトレーニングデータなどです。ストレージアカウントは、安全なデフォルト設定（HTTPSのみ、TLS 1.2、パブリックネットワークアクセス無効、パブリックBLOBアクセスなし）で事前にプロビジョニングします。

   AI-900の「Azureにおける機械学習の基礎」ドメインでは、このAzure Storageをデータ基盤とする概念が直接問われます。試験でAIトレーニングデータがどこに保存されるかを尋ねられた場合、Azure Storage（または具体的にはAzure Blob Storage）がその答えとなります。

   コピー

   resource "azurerm_storage_account" "ai_data" {
     name                            = "ai900data${random_id.suffix.hex}"
     resource_group_name             = azurerm_resource_group.main.name
     location                        = azurerm_resource_group.main.location
     account_tier                    = "Standard"
     account_replication_type        = "LRS"
     account_kind                    = "StorageV2"
   
     https_traffic_only_enabled      = true
     min_tls_version                 = "TLS1_2"
     public_network_access_enabled   = false
     allow_nested_items_to_be_public = false
   
     tags = local.tags
   }

3. 3.Azure AI Servicesマルチサービスアカウントをプロビジョニングする

   プロビジョニング対象:

   • Azure AI Services

   Azure AI Services（ブランド変更されたCognitive Servicesの包括的な名称）は、1つのキー、1つのエンドポイントで、Computer Vision、Language、Speech、Translator、Document Intelligence、Content Safetyなど、あらゆるAI APIへのアクセスを提供します。単一のマルチサービスアカウントは、AI-900の費用に関するアンチパターンの問いです。専用の単一サービスアカウント（Speech、Vision、Languageにはそれぞれ独自の無料F0ティアがあります）よりも呼び出しあたりの費用は高くなりますが、管理ははるかに簡単です。AI-900では両方の形式が問われ、どちらをいつ使用すべきかが試験で問われます。

   マルチサービスアカウントには kind = "CognitiveServices" を、標準ティアには sku_name = "S0" を設定します。custom_subdomain_name はVNet統合に必須です（AI-900の「責任あるAI」ドメインでは、プライベートエンドポイントの前提条件としてこれが問われます）。local_auth_enabled = true はAPIキーによる認証フローを機能させます。false にするとEntra ID認証のみが強制されます。

   コピー

   resource "azurerm_cognitive_account" "ai" {
     name                  = "certlabpro-ai-900-${random_id.suffix.hex}"
     resource_group_name   = azurerm_resource_group.main.name
     location              = azurerm_resource_group.main.location
     kind                  = "CognitiveServices"
     sku_name              = "S0"
     custom_subdomain_name = "certlabpro-ai-900-${random_id.suffix.hex}"
     local_auth_enabled    = true
   
     identity {
       type = "SystemAssigned"
     }
   
     tags = local.tags
   }

4. 4.ガバナンスのためにすべてのAI呼び出しをキャプチャするLog Analyticsワークスペースをセットアップする

   プロビジョニング対象:

   • Azure Monitor

   責任あるAIはAI-900の柱（5つの試験ドメインの1つ）であり、インフラストラクチャで実証できる最も具体的な責任あるAIのプラクティスは監査ログです。診断ログの送信先としてLog Analyticsワークスペースを作成します。ステップ5では、AIアカウントの診断設定をここに全て送るように接続します。

   Log AnalyticsはAzureの中心的な可観測性サービスです。Azure Monitorはメトリックをここに送信し、Application Insightsはアプリのテレメトリをここに送信し、SentinelはSIEMのためにここから読み取ります。これをAIラボの監査送信先としてプロビジョニングすることは、他のすべてのAzure認定試験が前提とする構成要素としても機能します。

   コピー

   resource "azurerm_log_analytics_workspace" "main" {
     name                = "certlabpro-ai-900-logs"
     resource_group_name = azurerm_resource_group.main.name
     location            = azurerm_resource_group.main.location
     sku                 = "PerGB2018"
     retention_in_days   = 30
   
     tags = local.tags
   }

5. 5.診断設定を介してすべてのAI API呼び出しをLog Analyticsにパイプする

   プロビジョニング対象:

   • Azure Monitor
   • Azure AI Services

   診断設定はAzureの普遍的な可観測性プリミティブです。すべてのAzureリソースは、分類されたログとメトリックをLog Analyticsワークスペース、Event Hub、またはStorage Accountにストリームできます。AIアカウントのAuditおよびRequestResponseログカテゴリを有効にします。Auditは何が呼び出されたかをキャプチャし、RequestResponseは実際の要求と応答のボディをキャプチャします（インシデント対応に役立ちますが、プロンプトに個人識別情報（PII）が含まれている場合は注意が必要です。AI-900の「責任あるAI」では、このトレードオフの両面が問われます）。

   この最後の設定が完了すると、すべてのAI API呼び出しがステップ4のワークスペースに保存され、KQLを通じてクエリ可能になります。これがAI-900における責任あるAIの完結です。単に「コンテンツフィルターがある」だけでなく、「AIが認識したすべての要求の証拠がある」ということになります。

   コピー

   resource "azurerm_monitor_diagnostic_setting" "ai" {
     name                       = "certlabpro-ai-900-diag"
     target_resource_id         = azurerm_cognitive_account.ai.id
     log_analytics_workspace_id = azurerm_log_analytics_workspace.main.id
   
     enabled_log {
       category = "Audit"
     }
   
     enabled_log {
       category = "RequestResponse"
     }
   
     metric {
       category = "AllMetrics"
       enabled  = true
     }
   }

クリーンアップ