Compétence : ai901.practice_labs.micro.validated
Description : Créer des laboratoires pratiques AI-901 courts (15-25 minutes) exécutables et autovalidés. Chaque laboratoire comprend des prérequis, des tâches exactes, des étapes de validation, des résultats attendus et un nettoyage.
Contexte du cours
Cette compétence soutient le référentiel compagnon du cours vidéo Microsoft Press AI-901 de Tim Warner situé dans C:\github\ai901. Le cours est un cours vidéo Microsoft Press de 16 leçons. Les leçons 01 à 07 sont des leçons conceptuelles alignées sur le domaine 1 de AI-901. Les leçons 08 à 16 sont des leçons pratiques alignées sur le domaine 2 de AI-901. Chaque leçon se trouve dans lessons/lesson-NN/README.md. Lorsqu'un laboratoire est créé pour soutenir une leçon spécifique, enregistrez l'artefact du laboratoire sous lessons/lesson-NN/labs/ afin que les apprenants le trouvent à côté du plan de leçon.
Profil du public
Le public de AI-901 est au début de sa carrière dans le développement de solutions d'IA. Les apprenants ont une connaissance conceptuelle de l'IA dans Azure, peuvent lire la syntaxe de codage Python et sont familiers avec les ressources Azure. Le texte du laboratoire reste chaleureux et direct. Évitez le jargon que la leçon n'a pas encore introduit.
Ordre de priorité des styles
Suivez le Microsoft Worldwide Learning Exam Writing Style Guide (WWL) pour tout texte qui reflète le libellé de l'examen (titres, énoncés d'objectifs, ressources nommées, références aux entreprises). Suivez le Microsoft Writing Style Guide (MWSG) pour le texte du laboratoire lui-même : chaleureux, facile à parcourir, au présent, avec une capitalisation de type phrase. Deux conventions MWSG remplacées par WWL pour nos laboratoires : pas de contractions et tout en majuscules pour les noms de touches (TAB, ENTRÉE, CTRL+ALT+SUPPR).
Catégories de laboratoires
Les laboratoires AI-901 couvrent quatre catégories pratiques qui correspondent au domaine pratique de AI-901 :
- foundry-portal -- Travaux pratiques dans le portail Microsoft Foundry. Déploiement de modèles à partir du catalogue de modèles, expériences dans le playground, création d'agents uniques, inspection de flux d'invites et configuration de chat ancré entièrement dans le portail.
- foundry-sdk -- Applications clientes Python 3.12 qui appellent les points de terminaison Microsoft Foundry avec les packages azure-ai-projects et azure-ai-agents. L'authentification est sans clé via DefaultAzureCredential. Les modèles incluent la complétion de chat, les conversations multitours, l'invocation d'agents uniques et les agents enrichis d'outils.
- ai-services -- Azure AI Language, Azure AI Speech et Azure AI Vision exercés via Microsoft Foundry Tools. Les exemples incluent l'analyse de texte, les sentiments, les expressions clés, la reconnaissance d'entités, la reconnaissance vocale, la synthèse vocale, l'analyse d'images, la reconnaissance optique de caractères et la génération d'images.
- content-understanding -- Analyseurs Azure Content Understanding pour les quatre modalités prises en charge : documents, images, audio et vidéo. Comprend la création d'analyseurs, la définition de schémas, les exécutions d'entrée d'exemple et la validation de la sortie.
Outils de création par défaut par catégorie :
- Pour les laboratoires foundry-portal, le chemin principal est le portail Microsoft Foundry à l'adresse
ai.azure.com. - Pour les laboratoires foundry-sdk, le chemin principal est Python 3.12 avec le SDK Foundry et DefaultAzureCredential. N'utilisez jamais de clés API par défaut.
- Pour les laboratoires ai-services, le chemin principal est le portail Microsoft Foundry. Lorsque l'automatisation est nécessaire, utilisez Azure CLI pour les opérations de ressources côté locataire.
- Pour les laboratoires content-understanding, le chemin principal est le portail Microsoft Foundry. Lorsque du code est nécessaire, utilisez Python 3.12 avec une authentification sans clé.
Ancrage
Sources obligatoires :
- Microsoft Learn (source de vérité pour les capacités des services, la configuration et l'architecture). Accédez-y via le serveur MCP Microsoft Learn (
ai901buddy-mslearn) en utilisantmicrosoft_docs_searchetmicrosoft_docs_fetch. - Exemples de code Microsoft Learn (pour l'exactitude du SDK Python, d'Azure CLI et de Bicep). Accédez-y via
microsoft_code_sample_search. - Fichier canonique du domaine d'objectif AI-901 :
.claude/skills/_references/ai901-objective-domain.md.
Ancrez toujours en premier. N'inventez pas de capacités de service, de noms de modèles ou d'options de référence.
Domaines AI-901 (canoniques)
Date des compétences mesurées : 15 avril 2026.
| Domaine | Poids |
|---|---|
| Identifier les concepts et les capacités de l'IA | 40-45 % |
| Implémenter des solutions d'IA en utilisant Microsoft Foundry | 55-60 % |
Le domaine 1 couvre les leçons conceptuelles 01 à 07 (aucun laboratoire pratique requis, bien que des procédures pas à pas réflexives facultatives soient autorisées). Le domaine 2 couvre les leçons pratiques 08 à 16 et est la principale source de travail en laboratoire.
Style et utilisation des mots
Noms des ressources et des personnes (WWL)
- Entreprises : Utilisez uniquement les noms d'entreprises fictives approuvés par WWL dans le tableau ci-dessous. Utilisez le nom complet de l'entreprise à chaque mention.
- Personnes : l'utilisateur ou User1, User2, User3 (sans espaces).
- Serveurs : Server1, Server2 ; Exch1, Exch2 ; SQL1, SQL2 ; DC1, DC2 ; DNS1, DNS2.
- Ordinateurs : Computer1, Computer2. Applications : App1, App2. Sous-réseaux : Subnet1, Subnet2. Sites : Site1, Site2.
- Bureaux : bureau principal, bureau secondaire, bureau satellite. Villes : Approuvées par WWL (Atlanta, Boston, Le Caire, Francfort, Londres, New York, Paris, Seattle, Singapour, Sydney, Tokyo, etc.).
- Définissez chaque nom à la première mention.
Entreprises fictives approuvées (liste des noms fictifs WWL)
Utilisez toujours le nom complet de l'entreprise. Randomisez parmi la liste – n'utilisez pas Contoso, Ltd. par défaut.
| Entreprise | URL approuvée |
|---|---|
| A. Datum Corporation | adatum.com |
| Adventure Works Cycles | adventure-works.com |
| Alpine Ski House | alpineskihouse.com |
| Bellows College | bellowscollege.com |
| Best For You Organics Company | bestforyouorganics.com |
| Blue Yonder Airlines | blueyonderairlines.com |
| City Power & Light | cpandl.com |
| Coho Vineyard | cohovineyard.com |
| Coho Winery | cohowinery.com |
| Coho Vineyard & Winery | cohovineyardandwinery.com |
| Consolidated Messenger | consolidatedmessenger.com |
| Contoso, Ltd. | contoso.com |
| Contoso Pharmaceuticals | contoso.com |
| Contoso Suites | contososuites.com |
| Fabrikam, Inc. | fabrikam.com |
| Fabrikam Residences | fabrikamresidences.com |
| First Up Consultants | firstupconsultants.com |
| Fourth Coffee | fourthcoffee.com |
| Graphic Design Institute | graphicdesigninstitute.com |
| Humongous Insurance | humongousinsurance.com |
| Lamna Healthcare Company | lamnahealthcare.com |
| Liberty's Delightful Bakery & Cafe | libertysdelightfulbakeryandcafe.com |
| Litware, Inc. | litwareinc.com |
| Lucerne Publishing | lucernepublishing.com |
| Margie's Travel | margiestravel.com |
| Munson's Pickles and Preserves Farm | munsonspicklesandpreservesfarm.com |
| Nod Publishers | nodpublishers.com |
| Northwind Electric Cars | northwindelectriccars.com |
| Northwind Traders | northwindtraders.com |
| Proseware, Inc. | proseware.com |
| Relecloud | relecloud.com |
| School of Fine Art | fineartschool.net |
| Southridge Video | southridgevideo.com |
| Tailspin Toys | tailspintoys.com |
| The Phone Company | thephone-company.com |
| Trey Research | treyresearch.net |
| VanArsdel, Ltd. | vanarsdelltd.com |
| Wide World Importers | wideworldimporters.com |
| Wingtip Toys | wingtiptoys.com |
| Woodgrove Bank | woodgrovebank.com |
Utilisation des mots (WWL)
- named, pas called.
- report, pas complain.
- Évitez determine ; utilisez verify, identify, set, establish, calculate, decide.
- Évitez may ; utilisez can ou might.
- Évitez using seul ; utilisez by using.
- Évitez les déterminants spécifiques (all, none, only, always, never) et les qualificatifs indéfinis (few, many, multiple, several, some, usually).
- site logique, location physique – ne les échangez jamais.
- Pluriel plutôt que (s).
- Énoncés d'objectifs : You need to ... / You need to ensure that ...
Mise en forme
- Gras pour les éléments d'interface utilisateur cliquables, les commandes Azure CLI et les noms de classes ou méthodes Python saisis textuellement.
- Verbes neutres pour les entrées : select (pas click), enter (pas type), go to, open, close.
- Mode impératif dans les étapes de procédure.
- Noms de fichiers étiquetés avec file : le fichier main.py, le fichier deploy.bicep.
- Tout en majuscules pour les noms de touches : TAB, ENTRÉE, CTRL+ALT+SUPPR.
- Capitalisation de type phrase ailleurs ; les noms de produits et les noms propres sont des exceptions.
- Virgule d'Oxford dans les listes de trois éléments ou plus.
- ASCII simple – pas de guillemets courbes, pas de tirets cadratins ou demi-cadratins ; utilisez
--et->. - Épelez zéro à neuf ; chiffres pour 10 et plus.
Mondialisation
- Phrases de 15 à 20 mots. Voix active. Temps simples.
- Pas de
/ou-comme ponctuation (remplacez create/edit/display par create, edit, and display). - Pas de possessifs sur les noms de produits. Pas de nominalisations. Pas d'empilements de noms.
Tableau de renommage de la terminologie (non négociable)
Utilisez toujours les noms de produits Microsoft actuels. N'utilisez jamais un nom obsolète ou hérité, même si l'utilisateur le fait. Mappez silencieusement au nom actuel.
| Nom obsolète / hérité | Nom actuel |
|---|---|
| Azure Active Directory (Azure AD) | Microsoft Entra ID |
| Locataire Azure AD | Locataire Microsoft Entra |
| Accès conditionnel Azure AD | Accès conditionnel Microsoft Entra |
| Azure AD B2B / B2C | Microsoft Entra External ID |
| Azure AD PIM | Microsoft Entra Privileged Identity Management |
| Azure OpenAI Service (autonome, après le changement de marque) | Azure OpenAI dans Microsoft Foundry |
| Azure AI Studio | Microsoft Foundry |
| Azure AI Foundry | Microsoft Foundry |
| Azure AI Foundry Tools | Microsoft Foundry Tools |
| Cognitive Services (générique) | Azure AI Services |
| Azure Cognitive Services for Language | Azure AI Language |
| Azure Cognitive Services for Speech | Azure AI Speech |
| Azure Cognitive Services for Vision | Azure AI Vision |
| Form Recognizer | Azure AI Document Intelligence |
| Custom Vision | Azure AI Vision (classification d'images personnalisée et détection d'objets) |
| LUIS | Compréhension du langage conversationnel Azure AI Language |
| QnA Maker | Réponse aux questions personnalisée Azure AI Language |
Valeurs par défaut d'authentification (non négociables)
Pour tout laboratoire basé sur du code :
- Utilisez DefaultAzureCredential du package azure.identity.
- L'apprenant se connecte avec az login avant d'exécuter le script.
- N'intégrez jamais de clé API dans le code, les fichiers d'environnement ou les fichiers de configuration.
- Le point de terminaison du projet Foundry est la seule valeur de type secret. Stockez-le dans une variable d'environnement nommée PROJECT_ENDPOINT.
- Accordez à l'apprenant le rôle Azure AI User sur le projet Foundry avant l'exécution du script. Incluez ceci comme exigence d'état initial.
Garde-fous
- Restez dans le périmètre de AI-901 (concepts fondamentaux de l'IA et travaux pratiques avec Microsoft Foundry). Évitez l'entraînement de modèles pro-code ou le MLOps avancé.
- Privilégiez le chemin le moins coûteux. Utilisez gpt-4o-mini ou gpt-5-mini sauf si la leçon nécessite un modèle plus grand. Utilisez le niveau gratuit F0 d'Azure AI Services lorsque disponible.
- Pas de contractions nulle part dans le laboratoire.
- Pas d'étapes ambiguës de type cliquez autour jusqu'à ce que. Chaque étape a une étiquette d'interface utilisateur exacte, une commande Azure CLI exacte ou une instruction Python exacte.
- Incluez toujours le nettoyage ou la restauration. Pour les laboratoires qui créent des déploiements de modèles, des définitions d'agents, des ressources de service Azure AI, des analyseurs Content Understanding, des groupes de ressources ou des comptes de stockage, listez les étapes de suppression exactes.
Attentes en matière de nettoyage (non négociables)
Le nettoyage est non négociable dans chaque laboratoire. Les cibles de nettoyage spécifiques à AI-901 incluent :
- Déploiements de modèles dans Microsoft Foundry. Supprimez à partir de My assets > Models + endpoints.
- Définitions d'agents créées dans le service Agents. Supprimez à partir de Agents dans le portail Foundry.
- Ressources Azure AI Services (Language, Speech, Vision, Document Intelligence). Supprimez à partir du portail Azure ou avec az cognitiveservices account delete.
- Analyseurs Content Understanding. Supprimez à partir de l'espace de travail Content Understanding du portail Foundry.
- Projets Foundry et hubs Foundry lorsque le laboratoire les a créés.
- Groupes de ressources qui contenaient des ressources uniquement de laboratoire, supprimés avec az group delete --name --yes --no-wait.
- Comptes de stockage et fichiers d'exemple téléchargés lorsque le laboratoire les a approvisionnés.
- Environnements virtuels Python locaux et données d'exemple téléchargées lorsque le laboratoire les a créés.
La validation du nettoyage confirme que la suppression a réussi en listant la portée parente et en montrant que la ressource a disparu.
Avertissement sur le coût et le placement de la licence
Si le laboratoire utilise l'un des éléments suivants, un avertissement apparaît immédiatement après prerequisites et avant starting_state :
- Un modèle avec une fenêtre de contexte supérieure à 128 000 jetons.
- Un modèle multimodal ou de raisonnement facturé à des tarifs premium.
- Azure Content Understanding (tarification par page, par image, par minute).
- Transcription par lot Azure AI Speech ou voix personnalisée.
- Azure AI Vision Read OCR à grande échelle.
- Toute ressource Azure au-delà du niveau gratuit.
L'avertissement indique le facteur de coût, l'ordre de grandeur approximatif du coût et l'étape de nettoyage qui arrête le coût.
Randomisation du nom de l'entreprise fictive (non négociable)
Randomisez parmi la liste approuvée par WWL ci-dessus. N'utilisez pas Contoso, Ltd. par défaut. Utilisez toujours le nom complet de l'entreprise.
Directives de temps
Un laboratoire ne contient pas plus de 12 étapes au total pour toutes les tâches. Si le laboratoire en nécessite plus, divisez-le en deux laboratoires plus ciblés. Le temps d'achèvement cible est de 15 à 25 minutes pour un apprenant qui a terminé la leçon correspondante.
Flux de travail
- Choisissez un seul objectif AI-901 à partir de
.claude/skills/_references/ai901-objective-domain.mdet énoncez-le en haut du laboratoire. Lorsque le laboratoire soutient une leçon spécifique, nommez le dossier de la leçon (lessons/lesson-NN/). - Ancrez la configuration prévue dans Microsoft Learn en utilisant
microsoft_docs_search. - Choisissez un chemin principal qui correspond à la catégorie du laboratoire (portail Microsoft Foundry, Python 3.12 + SDK Foundry avec DefaultAzureCredential, Azure AI Services via Foundry Tools, ou Content Understanding).
- Utilisez
microsoft_code_sample_searchpour vérifier tous les extraits Python, Azure CLI ou Bicep. - Utilisez
microsoft_docs_fetchpour les détails complets de page sur toute capacité de service, classe SDK ou étape de configuration. - Ajoutez des portes de validation après chaque étape majeure (état de l'interface utilisateur du portail, sortie Azure CLI, sortie du script Python, résultat de l'exécution de l'analyseur).
- Ajoutez un nettoyage qui inverse exactement le travail, avec une validation finale.