آموزش AI-200: توسعه‌دهنده تایید شده ابری Azure AI (۱۵۰۰ سوال) - آخرین آپدیت

آخرین بازبینی: ۱۴ جولای ۲۰۲۶
آخرین به‌روزرسانی محتوا: ۱۴ جولای ۲۰۲۶
راهنمای رسمی بررسی شده: راهنمای مطالعه آزمون AI-200: توسعه راهکارهای ابری AI در Azure، به‌روزرسانی شده در ۵ می ۲۰۲۶
انطباق با سرفصل‌ها: بررسی شده بر اساس اهداف رسمی موجود تا ۱۴ جولای ۲۰۲۶

تاریخچه به‌روزرسانی دوره

• ۱۴ جولای ۲۰۲۶: تکمیل شش تست تمرینی مبتنی بر دامنه شامل ۱،۵۰۰ سوال و نهایی‌سازی توضیحات پاسخ‌ها و برچسب‌های دامنه‌های آزمون.

  
  

آمادگی برای آزمون Microsoft AI-200 Azure AI Cloud Developer Associate

مدرک Azure AI Cloud Developer Associate مهارت‌های مورد نیاز برای مشارکت در توسعه، استقرار، امنیت، نظارت و عیب‌یابی راهکارهای ابری مبتنی بر هوش مصنوعی در Azure را ارزیابی می‌کند. آزمون AI-200 بر توسعه عملی بک‌اند در کانتینرها، سرویس‌های داده، پیام‌رسانی، پردازش رویدادمحور، پایگاه‌داده‌های برداری، امنیت و مشاهده‌پذیری (Observability) تأکید دارد.

این دوره که صرفاً شامل تست‌های تمرینی است، ارزیابی‌های ساختاریافته‌ای را بر اساس اهداف فعلی AI-200 ارائه می‌دهد. این دوره طراحی شده است تا به شما در به‌کارگیری مفاهیم Azure در موقعیت‌های فنی واقعی، ارزیابی گزینه‌های پیاده‌سازی، شناسایی دامنه‌های ضعیف و بهبود استدلال‌های لازم برای تصمیم‌گیری‌های توسعه ابری کمک کند.

نمونه سوال

یک شرکت خرده‌فروشی دو میلیون سند محصول را در Azure Cosmos DB for NoSQL ذخیره می‌کند. هر سند شامل متادیتای محصول و یک Embedding با ابعاد ۱۵۳۶ است. شرکت به جستجوی معنایی با تأخیر کم، فیلتر متادیتا بر اساس دسته‌بندی محصول و مصرف بهینه Request Unit نیاز دارد.

کدام پیاده‌سازی مناسب‌ترین است؟

الف. پیکربندی یک ایندکس برداری تخت (flat vector index) روی مسیر embedding و اجرای یک کوئری برداری بدون محدودیت.

ب. تعریف یک سیاست برداری کانتینر، پیکربندی ایندکس DiskANN روی مسیر embedding و استفاده از TOP N، VectorDistance و فیلتر متادیتا.

ج. ذخیره هر embedding به صورت رشته (string) و مرتب‌سازی محصولات بر اساس ویژگی embedding با استفاده از یک کوئری استاندارد SQL.

د. استفاده از پردازنده change feed در Azure Cosmos DB برای مقایسه بردار کوئری با هر سند به‌روزرسانی شده.

پاسخ صحیح: ب. تعریف یک سیاست برداری کانتینر، پیکربندی ایندکس DiskANN روی مسیر embedding و استفاده از TOP N، VectorDistance و فیلتر متادیتا.

توضیحات:

سرویس Azure Cosmos DB for NoSQL به یک سیاست برداری نیاز دارد که مسیر بردار، ابعاد، نوع داده و تابع فاصله را شناسایی کند. DiskANN برای جستجوهای تقریبی شباهت (approximate similarity searches) در مجموعه‌داده‌های برداری بزرگ مناسب است. کوئری می‌تواند از VectorDistance برای رتبه‌بندی محصولات مشابه از نظر معنایی، عبارت WHERE برای فیلتر متادیتای محصول و TOP N برای محدود کردن تأخیر و مصرف Request Unit استفاده کند.

چرا گزینه‌های دیگر نادرست هستند:

• الف: یک ایندکس تخت تنها از بردارهای با ابعاد پایین پشتیبانی می‌کند و جستجوی دقیق Brute-force انجام می‌دهد. این روش برای حجم کاری با ابعاد ۱۵۳۶ و مقیاس بزرگ توصیف شده نامناسب است.

• ج: ذخیره embeddingها به صورت رشته، مانع از اعمال ایندکس‌گذاری برداری و محاسبات شباهت توسط Azure Cosmos DB می‌شود.

• د: پردازنده change feed آیتم‌های درج شده یا به‌روزرسانی شده را شناسایی و پردازش می‌کند؛ این ابزار یک موتور جستجوی شباهت برداری نیست.

دامنه آزمون: توسعه راهکارهای AI با استفاده از سرویس‌های مدیریت داده Azure
موضوع: جستجوی برداری در Azure Cosmos DB for NoSQL
سطح دشواری: متوسط
مهارت مورد سنجش: تصمیم‌گیری فنی و کاربردی

مرور کلی دوره

• نوع دوره: صرفاً تست‌های تمرینی

• تعداد تست‌های تمرینی: ۶ مورد

• تعداد سوالات در هر تست: ۲۵۰ سوال

• مجموع سوالات: ۱،۵۰۰ سوال

• سطح دشواری: ترکیبی از مبتدی، متوسط و پیشرفته

• فرمت سوالات: چهارگزینه‌ای با یک پاسخ صحیح

• ساختار ارزیابی: شش تست متمرکز بر دامنه‌ها و موضوعات به جای آزمون‌های جامع تکراری

• توضیحات جامع: برای هر سوال ارائه شده است

• توضیح گزینه‌های غلط: برای هر گزینه ارائه شده است

• شناسایی دامنه آزمون: برای هر سوال ذکر شده است

• ویدئوهای آموزشی: شامل نمی‌شود

سرفصل‌های پوشش داده شده

شش ارزیابی طبق نقشه راه تکمیل شده دوره است:

• ایمیج‌های کانتینر، Azure Container Registry، ACR Tasks، کانتینرهای سفارشی Azure App Service، پیکربندی Runtime، امنیت رجیستری و عیب‌یابی استقرار

• Azure Container Apps، نسخه‌ها (Revisions)، Ingress، مقیاس‌بندی KEDA، Azure Kubernetes Service، مانیفست‌های کوبرنتیز، Health Probes، هویت، لاگ‌ها و اتصال

• Azure Cosmos DB for NoSQL، عملیات SDK، پارتیشن‌بندی، Request Units، ایندکس‌گذاری، سازگاری، سیاست‌های برداری، بازیابی معنایی، الگوهای RAG و پردازش change-feed

• Azure Database for PostgreSQL، pgvector، شمای‌های رابطه‌ای و برداری، جستجوی شباهت، ایندکس‌های برداری، سایزینگ منابع، Connection Pooling، Azure Managed Redis، انقضا، ابطال و جستجوی برداری

• Azure Service Bus، صف‌ها، Topicها، Subscriptionها، Settlement، تلاش مجدد (Retries)، صف‌های Dead-letter، Azure Event Grid، فیلترینگ، بازیابی تحویل، Azure Functions، Triggerها، Bindingها و APIهای Serverless

• Azure Key Vault، شناسه‌های مدیریت شده، دسترسی مبتنی بر نقش (RBAC)، چرخش Secretها، Azure App Configuration، OpenTelemetry، ردهای توزیع شده، زبان کوئری Kusto (KQL)، بازپخش، بازیابی و بررسی حوادث بین‌سرویسی

چرا این ارزیابی‌ها مفید هستند؟

سوالات به طور مستقل بر اساس نقشه راه AI-200 و اهداف فنی فعلی طراحی شده‌اند و از آزمون‌های واقعی کپی نشده‌اند.

این دوره ترکیبی از بررسی دانش مستقیم و سوالات سناریومحور در زمینه‌های پیکربندی، معماری، جریان کاری، امنیت، قابلیت اطمینان، عملکرد و عیب‌یابی است. هر تست شامل موارد مبتدی، متوسط و پیشرفته است تا شما را از اصطلاحات پایه به تصمیم‌گیری‌های تولیدی چند-سرویسی برساند.

هر گزینه پاسخ دارای توضیحی مجزا است. این امر به شما کمک می‌کند نه تنها دلیل درست بودن پاسخ صحیح، بلکه علت عدم تطابق گزینه‌های دیگر با نیازمندی‌های ذکر شده را درک کنید. توضیحات کلی، اصل فنی را به سناریو متصل کرده و یک نکته کاربردی ارائه می‌دهد.

برچسب‌های دامنه، سازماندهی نتایج، مقایسه عملکرد و تمرکز بازبینی بر نقاط ضعف را آسان‌تر می‌کند. تلاش‌های مکرر می‌تواند برای بررسی بهبود استدلال شما پس از مطالعه هدفمند استفاده شود.

نحوه استفاده از این دوره

1. سرفصل‌های رسمی AI-200 را مرور کرده و دامنه پوشش داده شده در هر تست تمرینی را شناسایی کنید.

2. اولین ارزیابی را بدون یادداشت یا کمک خارجی انجام دهید.

3. تمام پاسخ‌های صحیح، غلط، نادیده گرفته شده و موارد مشکوک را به همراه توضیحات تمام گزینه‌ها بررسی کنید.

4. بخش‌های ضعیف سرفصل‌ها را از طریق مستندات به‌روز مایکروسافت و تمرینات عملی Azure بازبینی کنید.

5. ارزیابی مربوطه را دوباره تحت شرایط آزمون پیکربندی شده تکرار کنید و نمره و استدلال خود را مقایسه نمایید.

   
   

این دوره برای چه کسانی است؟

این دوره برای داوطلبان مدرک AI-200، توسعه‌دهندگان Azure و Python، مهندسان ابری، توسعه‌دهندگان بک‌اند، متخصصان DevOps پشتیبان بارهای کاری AI، افرادی که آموزش AI-200 را گذرانده‌اند و متخصصانی که خواهان تمرین ساختاریافته قبل از رزرو آزمون هستند، در نظر گرفته شده است.

پیش‌نیازهای توصیه شده

مایکروسافت پیش‌نیاز رسمی برای AI-200 ذکر نکرده است. آمادگی مفید شامل آشنایی با Python، Azure SDKها، کانتینرها، سرویس‌های داده Azure، پایگاه‌داده‌های برداری، پیام‌رسانی و رویدادها، مانیتورینگ و عیب‌یابی است. برای شرکت در تست‌ها نیازی به اشتراک Azure نیست، هرچند تجربه عملی برای درک مفاهیم شدیداً توصیه می‌شود.

موضوعات رسمی آزمون

دامنه ۱: توسعه راهکارهای کانتینری در Azure — ۲۰–۲۵%

• ساخت، ذخیره، نسخه‌بندی و استقرار ایمیج‌های کانتینر

• استفاده از Azure Container Registry، App Service، Container Apps، KEDA و AKS

• پیکربندی، ایمن‌سازی، نظارت و عیب‌یابی بارهای کاری کانتینر

دامنه ۲: توسعه راهکارهای AI با استفاده از سرویس‌های مدیریت داده Azure — ۲۵–۳۰%

• استفاده از Azure Cosmos DB for NoSQL و بازیابی برداری

• استفاده از Azure Database for PostgreSQL به همراه pgvector

• یکپارچه‌سازی Azure Managed Redis برای کشینگ و جستجوی برداری

دامنه ۳: اتصال به سرویس‌های Azure و مصرف آن‌ها — ۲۰–۲۵%

• توسعه راهکارهای مبتنی بر پیام با Azure Service Bus

• توسعه راهکارهای رویدادمحور با Azure Event Grid

• ساخت و یکپارچه‌سازی Azure Functions

دامنه ۴: ایمن‌سازی، نظارت و عیب‌یابی راهکارهای Azure — ۲۰–۲۵%

• مدیریت Secretها و هویت‌ها با Azure Key Vault

• مدیریت تنظیمات برنامه با Azure App Configuration

• ابزارگذاری برنامه‌ها با OpenTelemetry و بررسی تلمتری با KQL

اطلاعات آزمون مدرک

• مدرک: Microsoft Certified: Azure AI Cloud Developer Associate

• کد آزمون: AI-200

• عنوان آزمون: Developing AI Cloud Solutions on Azure

• نسخه فعلی: اهداف توسط راهنمای مطالعه به‌روز شده در ۵ می ۲۰۲۶ تعریف شده‌اند؛ مایکروسافت شماره نسخه مجزایی منتشر نمی‌کند

• مدت ارزیابی: ۱۲۰ دقیقه

• تعداد سوالات رسمی: توسط ارائه‌دهنده مدرک به طور عمومی مشخص نشده است

• راهنمای کلی آزمون مایکروسافت: اکثر آزمون‌های مدرک معمولاً ۴۰ تا ۶۰ سوال دارند، اما این تعداد می‌تواند متغیر باشد

• فرمت سوالات: به طور عمومی مشخص نشده؛ ممکن است شامل اجزای تعاملی باشد

• زبان‌های پشتیبانی شده فعلی: انگلیسی

• روش برگزاری: تحت نظارت از طریق Pearson VUE

• پیش‌نیازهای رسمی: هیچ موردی به طور عمومی لیست نشده است

• تجربه توصیه شده: Azure SDKها، سرویس‌های داده، مانیتورینگ، عیب‌یابی، پیام‌رسانی، رویدادها، پایگاه‌داده‌های برداری، Python و برنامه‌های کانتینری Azure

• حد نصاب قبولی: ۷۰۰ یا بیشتر

• اعتبار مدرک: مدارک Associate مایکروسافت سالانه منقضی می‌شوند

• تمدید: تمدید آنلاین رایگان در بازه زمانی مجاز در صورت وجود ارزیابی تمدید فعال در دسترس است

• تأیید اطلاعات: ۱۴ جولای ۲۰۲۶