AI-901 (AI901) sınaq sualları və imtahan faktları
Cavabları ilə 10 orijinal AI-901 (AI901) sınaq sualı, rəsmi imtahan faktları, yoxlanılan bacarıqlar və 2026-da AI-900-ün yerinə gələn imtahan.
Bu məqalədə
AI-900 artıq yoxdur: Microsoft onu 30 iyun 2026-da ləğv etdi və yerinə AI-901: Microsoft Azure AI Fundamentals imtahanını gətirdi. İndi Microsoft Certified: Azure AI Fundamentals sertifikatı üçün yeganə imtahan odur. Aşağıda cavabları və qısa izahları ilə 10 orijinal AI-901 sınaq sualı var. Suallar iki rəsmi bacarıq sahəsi üzrə real imtahandakı nisbətə yaxın bölünüb.
Cavaba baxmazdan əvvəl hər sualı özün həll etməyə çalış. AI-900 sınaq testi ilə hazırlaşmısansa, ilk dörd sual tanış gələcək. Sonrakı altısı isə yenilikdir.
Əsas nəticələr
- AI-901 30 iyun 2026-da AI-900-ün yerini aldı. Sertifikatın adı dəyişmədi: Microsoft Certified: Azure AI Fundamentals.
- AI-901-in 55–60%-i Microsoft Foundry ilə AI həlləri qurmağa aiddir, ona görə aşağıdakı 10 sualdan 6-sı bu bacarıq sahəsindəndir.
- Microsoft AI-901 namizədlərindən Python kodunun sintaksisini bilməyi gözləyir. AI-900-də bu yox idi.
- 45 dəqiqən var və 1.000 baldan 700 şkala balı toplamalısan. Microsoft sualların sayını açıqlamır.
AI-900-ə nə oldu?
Microsoft AI-900 imtahanını 30 iyun 2026-da ləğv etdi. AI-900 imtahan səhifəsində imtahanın "AI-901 ilə əvəz edildiyi" yazılıb, Azure AI Fundamentals sertifikat səhifəsində isə AI-901 yeganə tələb olunan imtahan kimi göstərilib.
Dəyişiklik sadəcə yeni kod deyil. AI-900 beş konseptual sahəni ölçürdü: AI iş yükləri, Azure-da maşın öyrənməsi, kompüter görmə, təbii dilin emalı və generativ AI. AI-901 isə iki bacarıq sahəsindən ibarətdir və böyüyü praktikidir:
| AI-900 (ləğv edilib) | AI-901 (cari) | |
|---|---|---|
| Bacarıq sahələri | 5 konseptual bölmə | 2: AI anlayışları (40–45%) və Microsoft Foundry ilə AI həlləri (55–60%) |
| Kodlaşdırma | Tələb olunmur | Python kodunun sintaksisini bilmək gözlənilir |
| Fokus | AI iş yüklərini və Azure xidmətlərini təsvir etmək | AI anlayışlarını təsvir etmək, sonra Foundry-də kiçik çat tətbiqləri, agentlər, nitq, görmə və məlumat çıxarma həlləri qurmaq |
AI-900 sınaq testin yalnız sol sütunu əhatə edirsə, konsept suallarında hələ də kömək edər, amma AI-901-in yarıdan çoxunu qaçırır.
AI-901 imtahan faktları bir baxışda
Bu faktlar rəsmi AI-901 tədris bələdçisindən (yoxlanılan bacarıqlar 15 aprel 2026 tarixinə), AI-901 imtahan səhifəsindən, Microsoft-un imtahan müddəti səhifəsindən və imtahanın qiymətləndirilməsi səhifəsindən götürülüb, hamısı 2026-10-26 tarixində yoxlanılıb. Tam məlumat vərəqi və hazırlıq planı üçün AI-901 imtahan hazırlığı səhifəmizə bax.
| Fakt | Rəsmi dəyər |
|---|---|
| İmtahan | AI-901: Microsoft Azure AI Fundamentals |
| Sertifikat | Microsoft Certified: Azure AI Fundamentals |
| Vaxt | 45 dəqiqə (imtahan otağında 65 dəqiqə) |
| Keçid balı | 1–1.000 şkalasında 700 (şkala balı) |
| Suallar | Açıqlanmır (Microsoft imtahanların çoxunda 40–60 sual olduğunu deyir) |
| Qiymət | İmtahanı verdiyin ölkədən və ya regiondan asılıdır |
| Təxmin etməyə görə cərimə | Yoxdur |
| Bacarıq sahəsi | Çəki | Aşağıdakı suallar |
|---|---|---|
| 1. AI anlayışlarını və imkanlarını müəyyən etmək | 40–45% | 1–4 |
| 2. Microsoft Foundry ilə AI həlləri qurmaq | 55–60% | 5–10 |
Tədris bələdçisində həmçinin qeyd olunur ki, sualların çoxu ümumi istifadəyə açıq (generally available) xüsusiyyətləri əhatə edir, imtahana tez-tez işlədilən preview xüsusiyyətləri də düşə bilər, REST API, SDK və CLI ilə tanış olmaq lazımdır.
Bacarıq sahəsi 1: AI anlayışlarını və imkanlarını müəyyən etmək
Sual 1
Bir şirkət müştəri xidməti çatbotu buraxır. Hər söhbət istifadəçiyə AI sistemi ilə danışdığını, botun nə ilə kömək edə biləcəyini və harada səhv edə biləcəyini bildirən mesajla başlayır. Bu, əsasən Microsoft-un məsuliyyətli AI prinsiplərindən hansını dəstəkləyir?
- A. Ədalətlilik (Fairness)
- B. Əhatəlilik (Inclusiveness)
- C. Şəffaflıq (Transparency)
- D. Etibarlılıq və təhlükəsizlik (Reliability and safety)
Cavab: C. Şəffaflıq o deməkdir ki, insanlar AI sistemindən istifadə etdiklərini, onun nə üçün olduğunu və hansı məhdudiyyətləri olduğunu başa düşürlər. İstifadəçilərə əvvəlcədən AI ilə danışdıqlarını və harada səhv edə biləcəyini demək bunun birbaşa nümunəsidir.
- A səhvdir, çünki ədalətlilik sistemin bütün insan qruplarına bərabər yanaşmasına aiddir.
- B səhvdir, çünki əhatəlilik fərqli imkanlara və mühitə sahib insanlar üçün dizayn etməyə aiddir, məsələn əlçatan interfeyslər.
- D səhvdir, çünki etibarlılıq və təhlükəsizlik sistemin nəzərdə tutulduğu kimi işləməsinə və təhlükəsiz şəkildə dayanmasına aiddir. Məlumatlandırma mesajı modelin davranışını dəyişmir.
Tədris bələdçisindəki altı prinsip bunlardır: ədalətlilik, etibarlılıq və təhlükəsizlik, məxfilik və təhlükəsizlik, əhatəlilik, şəffaflıq və hesabatlılıq. Bir təcrübəni bu prinsiplərdən birinə uyğunlaşdırmağı tələb edən ssenari sualları gözlə.
Sual 2
Aşağıdakı ifadələrdən hansı böyük dil modelinin promptə cavabı necə yaratdığını ən yaxşı təsvir edir?
- A. Təlim məlumatlarında promptə ən uyğun gələn saxlanmış sənədi axtarıb onu qaytarır.
- B. Prompta və artıq yaratdığı tokenlərə əsasən növbəti ən ehtimal olunan tokeni dəfələrlə proqnozlaşdırır.
- C. Developerlərin hər sual növü üçün yazdığı sabit qaydalar toplusunu icra edir.
- D. Cavabı hər dəfə internetdəki verilənlər bazasından axtarıb tapır.
Cavab: B. Dil modeli mətni bir-bir token ilə yaradır. Token mətnin bir parçasıdır, çox vaxt sözün bir hissəsi. Hər addımda model əvvəlki hər şeyə əsasən ehtimal olunan növbəti tokeni proqnozlaşdırır, onu əlavə edir və cavab tamamlanana qədər təkrarlayır.
- A səhvdir, çünki model bütöv sənədləri saxlayıb qaytarmır, yeni mətn yaradır.
- C səhvdir, çünki davranış təlim zamanı verilənlərdən öyrənilir, qayda kimi yazılmır.
- D səhvdir, çünki model tək başına internetdə axtarış etmir. Tətbiq və ya agent axtarışı alət kimi əlavə edə bilər, amma bu ayrıca addımdır.
Sual 3
Bir pərakəndə satıcı minlərlə məhsul rəyini emal edib müştərilərin xatırlatdığı məhsul, brend və şəhər adlarını çıxarmaq istəyir. Hansı mətn analizi texnikası uyğundur?
- A. Sentiment analizi
- B. Varlıq aşkarlanması (named entity recognition)
- C. Xülasə çıxarma
- D. Dilin aşkarlanması
Cavab: B. Varlıq aşkarlanması mətndəki adlandırılmış obyektləri, məsələn məhsulları, təşkilatları, insanları və məkanları tapır və kateqoriyalara ayırır.
- A səhvdir, çünki sentiment analizi rəyin müsbət, mənfi və ya neytral olduğunu göstərir, hansı obyektlərin adının çəkildiyini yox.
- C səhvdir, çünki xülasə çıxarma mətni qısaldır, konkret elementləri siyahılamır.
- D səhvdir, çünki dilin aşkarlanması yalnız rəyin hansı dildə yazıldığını bildirir.
Sual 4
Naviqasiya tətbiqi sürücüyə yol göstərişlərini səsli oxumalıdır. Ona hansı nitq imkanı lazımdır?
- A. Nitqin tanınması (speech to text)
- B. Nitq sintezi (text to speech)
- C. Danışanın tanınması
- D. Açar sözlərin çıxarılması
Cavab: B. Nitq sintezi mətni səsli audioya çevirir, göstərişləri səsli oxumaq üçün lazım olan da elə budur.
- A səhvdir, çünki nitqin tanınması əksini edir: danışıq audiosunu mətnə çevirir, məsələn sürücünün səsli komandalarını başa düşmək üçün.
- C səhvdir, çünki danışanın tanınması kimin danışdığını müəyyən edir.
- D səhvdir, çünki açar sözlərin çıxarılması mətn analizi texnikasıdır və audio yaratmır.
Bacarıq sahəsi 2: Microsoft Foundry ilə AI həlləri qurmaq
Sual 5
Developer Microsoft Foundry-də çat tətbiqi qurur. İstifadəçi nə yazsa da, hər cavab nəzakətli, sadə ingilis dilində olmalı və yalnız şirkətin məhsulları barədə suallarla məhdudlaşmalıdır. Bu qaydalar harada yazılmalıdır?
- A. Sistem promptunda
- B. İstifadəçinin yazdığı hər istifadəçi promptunda
- C. Modelin adında
- D. Tətbiqin xəta mesajlarında
Cavab: A. Sistem prompt (system message) modelin rolunu, tonunu, əhatə dairəsini və bütün söhbət üçün qaydalarını təyin edir. İstifadəçi promptu isə istifadəçinin real sualını daşıyır, bu sual hər dəfə dəyişir və qaydaları təkrar etməsinə güvənmək olmaz.
- B səhvdir, çünki istifadəçilər qaydaları özləri əlavə etməyəcək və tətbiq də buna güvənməməlidir.
- C səhvdir, çünki model və ya deployment adı yalnız hansı modelin çağırıldığını göstərir.
- D səhvdir, çünki xəta mesajları modelin cavab tərzini dəyişmir.
Sistem promptuna nələrin daxil olması barədə sistem promptu necə yazılır yazımızda ətraflı danışırıq.
Sual 6
Developer Foundry model kataloqundan model seçir və onu Python tətbiqindən çağırmaq istəyir. Tətbiq ona prompt göndərə bilməzdən əvvəl developer nə etməlidir?
- A. Modeli şirkət məlumatları ilə fine-tune etməlidir
- B. Modeli Foundry resursunda deploy etməli və tətbiqdə həmin deployment-in endpoint-indən və adından istifadə etməlidir
- C. Model çəkilərini noutbuka yükləməlidir
- D. Content Understanding analyzer yaratmalıdır
Cavab: B. Kataloqdakı modeli istifadə etmək üçün əvvəlcə deploy etmək lazımdır. Sonra tətbiq sorğuları deployment-ə göndərir: layihənin endpoint-i, deployment adı və açar ya Microsoft Entra ID kimi kimlik məlumatları ilə. Tədris bələdçisində həm "modeli deploy edib Foundry portalında onunla işləmək", həm də "Foundry SDK ilə yüngül çat klient tətbiqi yaratmaq" göstərilib.
- A səhvdir, çünki fine-tuning məcburi deyil və modeli çağırmaq üçün lazım deyil.
- C səhvdir, çünki deploy edilmiş modeli Foundry saxlayır, sən ona şəbəkə üzərindən müraciət edirsən.
- D səhvdir, çünki analyzer Content Understanding ilə məlumat çıxarmaq üçündür, model ilə söhbət üçün yox.
Sual 7
Developer Python-da aşağıdakı sadə çat dövrünü yazır. İstifadəçilər köməkçinin bir mesaj əvvəl dediklərini unutduğundan şikayətlənir. Düzəliş nədir?
system = {"role": "system", "content": "Sən köməkçi səyahət assistentisən."}
while True:
user_input = input("You: ")
messages = [system, {"role": "user", "content": user_input}]
reply = send_to_model(messages) # calls the deployed chat model
print("Assistant:", reply)
- A. Modelin daha çox yadda saxlaması üçün temperature-u artırmaq
- B. Bütün söhbət üçün bir
messagessiyahısı saxlamaq və növbəti çağırışdan əvvəl hər istifadəçi mesajını və hər assistent cavabını ona əlavə etmək - C. Sistem mesajını siyahının sonuna köçürmək
- D. Daha böyük model deploy etmək
Cavab: B. Çat modeli əvvəlki sorğuları yadda saxlamır. Hər çağırış yalnız göndərdiyin mesajları görür. Dövr messages siyahısını hər addımda sıfırdan qurur, ona görə əvvəlki mesajlar itir. Siyahını bir dəfə yaradıb hər addımda istifadəçinin daxil etdiyini və assistentin cavabını ona əlavə etsən, model söhbət tarixçəsini görür.
- A səhvdir, çünki temperature çıxışın nə qədər təsadüfi olduğunu dəyişir, modelin nəyi görə biləcəyini yox.
- C səhvdir, çünki sistem mesajının yeri çatışmayan mesajları geri qaytarmır.
- D səhvdir, çünki daha böyük model də yalnız sorğudakı mesajları görür.
Sual 8
Bir komanda Foundry portalında işçilərin şirkətin HR siyasətləri barədə suallarına cavab verən tək agent yaradır. Siyasətlər PDF fayllarında saxlanılır. Hansı dəyişiklik agentin cavablarını bu sənədlərə əsaslandırmağa imkan verir?
- A. Agentə file search alətini əlavə edib siyasət sənədlərini yükləmək
- B. Maksimum cavab uzunluğunu artırmaq
- C. Agentə şəkil yaradan model əlavə etmək
- D. Agentin təlimatlarını silib sərbəst cavab verməsinə icazə vermək
Cavab: A. Alətlər agentin nələr edə biləcəyini genişləndirir. File search aləti yüklənmiş faylları vektor anbarında indeksləyir ki, agent uyğun hissələri tapıb modelin ümumi biliyi əvəzinə onlardan cavab versin.
- B səhvdir, çünki daha uzun cavab limiti agentə yeni bilik vermir.
- C səhvdir, çünki şəkil yaratma şəkil çıxarır, sənədlərdən cavab yox.
- D səhvdir, çünki təlimatlar agentin rolunu müəyyən edir. Onları silmək agenti daha məlumatlı yox, daha etibarsız edir.
Bunun arxasındakı yanaşma retrieval-augmented generation (RAG) adlanır, alət çağırışı və AI agentləri yazımız isə agentlərin alətdən nə vaxt istifadə edəcəyinə necə qərar verdiyini izah edir.
Sual 9
Sahə texniki zədələnmiş maşın hissəsinin şəklini çəkir və şirkətin tətbiqindən soruşur: "Bu hansı hissədir və nə problem ola bilər?" Foundry-də hansı yanaşma ən uyğundur?
- A. Şəkli və sualı birlikdə prompt kimi şəkil qəbul edən deploy edilmiş multimodal modelə göndərmək
- B. Sualı şəkil yaradan modelə göndərmək
- C. Şəkli nitq sintezi ilə audioya çevirmək
- D. Şəklin fayl adı üzərində sentiment analizi aparmaq
Cavab: A. Multimodal model eyni promptda həm şəkli, həm mətni qəbul edib ikisi barədə də mühakimə yürüdə bilər. Tədris bələdçisi bunu promptlardakı vizual girişi deploy edilmiş multimodal modellə şərh etmək adlandırır.
- B səhvdir, çünki şəkil yaradan model yeni şəkil yaradır, mövcud fotonu izah etmir.
- C səhvdir, çünki nitq sintezi mətni audioya çevirir və şəkillərə aidiyyatı yoxdur.
- D səhvdir, çünki sentiment analizi mətndəki fikirlərlə işləyir, fayl adı isə hissə haqqında heç nə demir.
Sual 10
Bir çağrı mərkəzi yazılmış müştəri zənglərini emal edib hər zəng üçün strukturlaşdırılmış sahələr almaq istəyir: qısa xülasə, müzakirə olunan məhsul və müştərinin razı olub-olmaması. Foundry-nin hansı aləti bunun üçün nəzərdə tutulub?
- A. Sahələri təyin edən analyzer ilə Azure Content Understanding in Foundry Tools
- B. Mətn embedding modeli
- C. Şəkil yaradan model
- D. Agentdə file search aləti
Cavab: A. Content Understanding sənədləri, şəkilləri, audionu və videonu strukturlaşdırılmış çıxışa çevirir. İstədiyin sahələri analyzer sxemində təyin edirsən, o isə zəng xülasəsi və ya məmnunluq etiketi kimi dəyərləri çıxara, təsnif edə və ya yarada bilir. Zəngdən sonrakı analitika Microsoft-un sadaladığı istifadə hallarından biridir.
- B səhvdir, çünki embedding-lər mətni axtarış üçün vektorlara çevirir, audiodan etiketli sahələr çıxarmır.
- C səhvdir, çünki şəkil yaratma şəkil çıxarır.
- D səhvdir, çünki file search agentə sənədlərdən suallara cavab verməyə kömək edir, hər yazını strukturlaşdırılmış sahələrə çevirmir.
Nəticəni necə qiymətləndirmək olar
10 sualdan neçəsini düz cavablandırdığını say, sonra harada səhv etdiyinə bax. On sual imtahan nəticəsini proqnozlaşdırmaq üçün azdır, amma hansı bacarıq sahəsinə işləmək lazım olduğunu göstərir.
- 9–10 düz: daha uzun, vaxtlı dəstlərlə məşq et və səhv etdiyin suallara qayıtmağa davam et.
- 6–8 düz: tədris bələdçisində səhv etdiyin bacarıq sahəsinin bəndlərinə qayıt.
- 5 və ya az: konseptlərdən başla. Prompt engineering öyrənmə yolumuz 2 və 5–8-ci sualların arxasındakı generativ AI ideyalarını əhatə edir.
5–10-cu suallardan bir neçəsini səhv etmisənsə, boşluq Foundry hissəsindədir. Bu bacarıqları praktikada öyrənmək ən asandır: model deploy et, sistem promptu yaz və Python-da kiçik çat klienti özün qur.
Microsoft bu sertifikat üçün AI Skills Navigator-da pulsuz sınaq qiymətləndirməsi də təklif edir (giriş etmək lazımdır). Ona AI-901 imtahan səhifəsindən keçid var.
Bu suallar necə yazılıb
TokIQ Editorial bu sualları AI-901 tədris bələdçisində sadalanan bacarıqlara (yoxlanılan bacarıqlar 15 aprel 2026 tarixinə) əsasən yazıb. Bunlar real imtahan sualları deyil və heç bir "question dump"-dan götürülməyib. İmtahan faktları yuxarıda keçidi verilmiş Microsoft Learn səhifələri ilə 2026-10-26 tarixində yoxlanılıb. TokIQ müstəqil sınaq tətbiqidir və Microsoft ilə əlaqəli deyil, onun tərəfindən təsdiqlənməyib və ya sponsorluq edilmir. Microsoft, Azure və Microsoft Foundry Microsoft qrupu şirkətlərinin ticarət nişanlarıdır.
AWS üçün də hazırlaşırsan? AWS AI Practitioner (AIF-C01) nümunə suallarımıza bax.
Daha çox AI-901 sualı həll et
Hər gün bu cür qısa dəst istəyirsənsə, TokIQ-də (Google Play-də, iPhone üçün tezliklə) AI-901 hazırlıq rejimi var: səhv etdiyin sualları aralıqlı təkrarla qaytaran gündəlik sessiya, ən zəif bacarıq sahənə üstünlük verən seçim və vaxtlı sınaq imtahanları. Hər sual əsaslandığı rəsmi Microsoft Learn mənbəsinə istinad edir və hər cavabdan sonra öz dilində izah var.
AI-901-in ilk imtahan üçün doğru seçim olub-olmadığına əmin deyilsən? Digər variantlarla ilk hansı AI sertifikatını seçmək yazısında müqayisə et və ya Google Generative AI Leader sınaq suallarına bax.
Tez-tez verilən suallar
AI-900 imtahanı ləğv edilib?
Bəli. Microsoft AI-900-ü 30 iyun 2026-da ləğv etdi və yerinə AI-901: Microsoft Azure AI Fundamentals imtahanını gətirdi. Microsoft Certified: Azure AI Fundamentals sertifikatını almaq üçün indi AI-901-i vermək lazımdır, yeganə tələb olunan imtahan odur (Microsoft Learn, 2026-10-26 tarixində yoxlanılıb).
AI-900 ilə AI-901 arasında fərq nədir?
AI-900-ün beş konseptual bölməsi var idi (AI iş yükləri, Azure-da maşın öyrənməsi, kompüter görmə, NLP və generativ AI). AI-901 isə iki bacarıq sahəsindən ibarətdir: AI anlayışlarını və imkanlarını müəyyən etmək (40–45%) və Microsoft Foundry ilə AI həlləri qurmaq (55–60%). Microsoft AI-901 namizədlərindən Python kodunun sintaksisini də bilməyi gözləyir, yəni imtahanın yarıdan çoxu Foundry ilə kiçik tətbiqlər və agentlər qurmağa aiddir.
AI-901 üçün hələ də AI-900 sınaq testlərindən istifadə etmək olar?
Yalnız qismən. Məsuliyyətli AI, mətn analizi, nitq və kompüter görmə üzrə konsept sualları birinci bacarıq sahəsində hələ də kömək edir. AI-900 test dəstləri Microsoft Foundry-də modellərin yerləşdirilməsini, promptları, agentləri və Content Understanding-i əhatə etmir, halbuki bunlar AI-901-in 55–60%-ni təşkil edir.
AI-901 imtahanı nə qədər çəkir və keçmək üçün neçə bal lazımdır?
Microsoft Fundamentals imtahanları 45 dəqiqə çəkir, imtahan otağında ümumi vaxt isə 65 dəqiqədir. Nəticə 1-dən 1.000-ə qədər şkala ilə verilir və keçmək üçün 700 və ya daha çox lazımdır. Bu, şkalaya salınmış baldır, ona görə də 700 sualların 70%-i demək deyil (Microsoft Learn, 2026-10-26 tarixində yoxlanılıb).
AI-901-də neçə sual var?
Microsoft AI-901 üçün sualların sayını açıqlamır. Sertifikat imtahanlarının çoxunda 40 ilə 60 arası sual olduğunu və bu sayın dəyişə biləcəyini bildirir. Təxmin etməyə görə cərimə yoxdur, ona görə də bütün suallara cavab ver.
Bunlar real AI-901 imtahan sualları deyil ki?
Xeyr. 10 sualın hamısını TokIQ Editorial rəsmi AI-901 tədris bələdçisində sadalanan bacarıqlara əsasən yazıb. Microsoft imtahan məzmununu məxfi saxlayır, ona görə real sual satan saytlar qısa yol deyil, risk deməkdir. Microsoft bu sertifikat üçün AI Skills Navigator-da pulsuz sınaq qiymətləndirməsi də təklif edir (giriş tələb olunur).
- #AI-901
- #AI-900
- #Azure AI Fundamentals
- #sınaq sualları
- #sertifikat imtahanı