AI-901 (AI901) Örnek Sorular ve Sınav Bilgileri
Cevaplı 10 özgün AI-901 (AI901) örnek sorusu, resmi sınav bilgileri, ölçülen beceriler ve 2026'da AI-900'ün yerini alan sınav.
Bu yazıda
AI-900 artık yok: Microsoft onu 30 Haziran 2026'da emekli etti ve yerine AI-901: Microsoft Azure AI Fundamentals sınavını getirdi; bu sınav artık Microsoft Certified: Azure AI Fundamentals sertifikası için tek sınav. Aşağıda, iki resmi beceri alanına gerçek sınavdakine yakın oranlarda dağıtılmış, cevaplı ve kısa açıklamalı 10 özgün AI-901 örnek sorusu var.
Cevabı okumadan önce her soruyu dene. AI-900 deneme sınavıyla çalışıyorduysan ilk dört soru tanıdık gelecek. Son altısı yeni kısım.
Öne çıkanlar
- AI-901, AI-900'ün yerini 30 Haziran 2026'da aldı. Sertifikanın adı aynı kaldı: Microsoft Certified: Azure AI Fundamentals.
- AI-901'in %55–60'ı Microsoft Foundry ile yapay zeka çözümleri geliştirmeyle ilgili, bu yüzden aşağıdaki 10 sorunun 6'sı bu beceri alanından.
- Microsoft, AI-901 adaylarının Python sözdizimini bilmesini bekliyor. AI-900'de bu yoktu.
- 45 dakikan var ve 1.000 üzerinden 700 ölçeklenmiş puan gerekiyor. Microsoft soru sayısını yayımlamıyor.
AI-900'e ne oldu?
Microsoft, AI-900 sınavını 30 Haziran 2026'da emekli etti. AI-900 sınav sayfası artık sınavın "has been replaced by AI-901" olduğunu söylüyor ve Azure AI Fundamentals sertifika sayfası AI-901'i tek zorunlu sınav olarak listeliyor.
Değişiklik yeni bir koddan çok daha büyük. AI-900 beş kavramsal alanı ölçüyordu: yapay zeka iş yükleri, Azure'da makine öğrenmesi, bilgisayarlı görü, doğal dil işleme ve üretken yapay zeka. AI-901'in iki beceri alanı var ve büyük olanı uygulamalı:
| AI-900 (emekli) | AI-901 (güncel) | |
|---|---|---|
| Beceri alanları | 5 kavramsal alan | 2: yapay zeka kavramları (%40–45) ve Microsoft Foundry ile yapay zeka uygulama (%55–60) |
| Kodlama | Gerekmiyordu | Python sözdizimi bilgisi bekleniyor |
| Odak | Yapay zeka iş yüklerini ve Azure hizmetlerini tanımlamak | Yapay zeka kavramlarını tanımlamak, sonra Foundry'de küçük sohbet uygulamaları, ajanlar, konuşma, görüntü ve bilgi çıkarımı çözümleri geliştirmek |
AI-900 deneme sınavın yalnızca sol sütunu kapsıyorsa kavram sorularında hâlâ işine yarar, ama AI-901'in yarısından fazlasını kaçırır.
Bir bakışta AI-901 sınav bilgileri
Bu bilgiler resmi AI-901 çalışma kılavuzundan (ölçülen beceriler 15 Nisan 2026 itibarıyla), AI-901 sınav sayfasından, Microsoft'un sınav süresi sayfasından ve sınav puanlama sayfasından geliyor; hepsi 2026-10-26 tarihinde kontrol edildi. Tam bilgi sayfası ve çalışma planı için AI-901 sınav hazırlık sayfamıza bak.
| Bilgi | Resmi değer |
|---|---|
| Sınav | AI-901: Microsoft Azure AI Fundamentals |
| Sertifika | Microsoft Certified: Azure AI Fundamentals |
| Süre | 45 dakika (65 dakika koltukta geçirilen süre) |
| Geçme puanı | 1–1.000 ölçeğinde 700 (ölçeklenmiş puan) |
| Soru sayısı | Yayımlanmadı (Microsoft çoğu sınavda 40–60 soru olduğunu söylüyor) |
| Ücret | Sınava girdiğin ülke ya da bölgeye göre değişir |
| Yanlış cevap cezası | Yok |
| Beceri alanı | Ağırlık | Aşağıdaki sorular |
|---|---|---|
| 1. Identify AI concepts and capabilities | %40–45 | 1–4 |
| 2. Implement AI solutions by using Microsoft Foundry | %55–60 | 5–10 |
Çalışma kılavuzu ayrıca soruların çoğunun genel kullanıma açık özellikleri kapsadığını, sınavın yaygın kullanılan önizleme özelliklerini içerebileceğini ve REST API'lere, SDK'lara ve CLI'lara aşina olman gerektiğini söylüyor.
Beceri alanı 1: Identify AI concepts and capabilities
Soru 1
Bir şirket bir müşteri hizmetleri chatbot'u yayınlıyor. Her konuşma, kullanıcının bir yapay zeka sistemiyle konuştuğunu, neyde yardımcı olabileceğini ve nerede yanılabileceğini söyleyen bir mesajla başlıyor. Bu, Microsoft'un hangi sorumlu yapay zeka ilkesini esas olarak destekliyor?
- A. Fairness
- B. Inclusiveness
- C. Transparency
- D. Reliability and safety
Cevap: C. Transparency (şeffaflık), insanların bir yapay zeka sistemi kullandıklarını, ne için olduğunu ve sınırlarının neler olduğunu anlaması demektir. Kullanıcılara baştan yapay zekayla konuştuklarını ve nerede yanılabileceğini söylemek bunun doğrudan örneğidir.
- A yanlış, çünkü fairness (adalet) sistemin tüm insan gruplarına adil davranmasıyla ilgilidir.
- B yanlış, çünkü inclusiveness (kapsayıcılık), farklı yeteneklere ve geçmişlere sahip insanlar için tasarım yapmakla, örneğin erişilebilir arayüzlerle ilgilidir.
- D yanlış, çünkü reliability and safety (güvenilirlik ve güvenlik), sistemin amaçlandığı gibi çalışması ve güvenli biçimde başarısız olmasıyla ilgilidir; bir bilgilendirme mesajı modelin davranışını değiştirmez.
Çalışma kılavuzundaki altı ilke: fairness, reliability and safety, privacy and security, inclusiveness, transparency ve accountability. Bir uygulamayı bu ilkelerden biriyle eşleştirmeni isteyen senaryo soruları bekle.
Soru 2
Aşağıdaki ifadelerden hangisi, bir büyük dil modelinin bir prompt'a nasıl cevap ürettiğini en iyi anlatır?
- A. Eğitim verisinde prompt'a en iyi uyan saklanmış belgeyi arar ve onu döndürür.
- B. Prompt'a ve o ana kadar ürettiği token'lara bakarak en olası sonraki token'ı tekrar tekrar tahmin eder.
- C. Geliştiricilerin her soru türü için yazdığı sabit bir kural setini çalıştırır.
- D. Cevabı her seferinde internetteki bir veritabanından bulur.
Cevap: B. Bir dil modeli metni her seferinde bir token üreterek oluşturur. Token, çoğu zaman bir kelimenin parçası olan bir metin parçasıdır. Her adımda model, öncesindeki her şeye bakarak olası bir sonraki token'ı tahmin eder, ekler ve cevap tamamlanana kadar tekrarlar.
- A yanlış, çünkü model belgeleri saklayıp geri döndürmez; yeni metin üretir.
- C yanlış, çünkü davranış kural olarak yazılmaz, eğitim sırasında veriden öğrenilir.
- D yanlış, çünkü bir model tek başına internette arama yapmaz. Bir uygulama ya da ajan arama özelliğini tool olarak ekleyebilir, ama bu ayrı bir adımdır.
Soru 3
Bir perakendeci binlerce ürün yorumunu işlemek ve müşterilerin andığı ürün, marka ve şehir adlarını çıkarmak istiyor. Hangi metin analizi tekniği uygun?
- A. Sentiment analysis
- B. Entity detection (named entity recognition)
- C. Summarization
- D. Language detection
Cevap: B. Entity detection, metindeki ürün, kuruluş, kişi ve konum gibi adlandırılmış öğeleri bulur ve sınıflandırır.
- A yanlış, çünkü sentiment analysis bir yorumun olumlu, olumsuz ya da nötr olduğunu söyler, hangi şeylerden söz ettiğini değil.
- C yanlış, çünkü summarization belirli öğeleri listelemek yerine metni kısaltır.
- D yanlış, çünkü language detection yalnızca yorumun hangi dilde yazıldığını söyler.
Soru 4
Bir navigasyon uygulaması yol tariflerini sürücüye sesli okumalı. Hangi konuşma yeteneğine ihtiyacı var?
- A. Speech recognition (konuşmadan metne)
- B. Speech synthesis (metinden konuşmaya)
- C. Speaker recognition
- D. Keyword extraction
Cevap: B. Speech synthesis metni konuşma sesine çevirir; yol tariflerini sesli okumak için tam olarak gereken budur.
- A yanlış, çünkü speech recognition tersini yapar: konuşma sesini metne çevirir, örneğin sürücünün sesli komutlarını anlamak için.
- C yanlış, çünkü speaker recognition kimin konuştuğunu belirler.
- D yanlış, çünkü keyword extraction bir metin analizi tekniğidir ve ses üretmez.
Beceri alanı 2: Implement AI solutions by using Microsoft Foundry
Soru 5
Bir geliştirici Microsoft Foundry'de bir sohbet uygulaması yapıyor. Kullanıcı ne yazarsa yazsın her cevap kibar, sade bir dilde olmalı ve şirketin ürünleriyle ilgili sorularla sınırlı kalmalı. Bu kurallar nereye konmalı?
- A. System prompt'a
- B. Kullanıcının yazdığı her user prompt'a
- C. Modelin adına
- D. Uygulamanın hata mesajlarına
Cevap: A. System prompt (system message), modelin rolünü, tonunu, kapsamını ve kurallarını tüm konuşma için belirler. User prompt ise her turda değişen asıl kullanıcı sorusunu taşır ve kuralları tekrarlayacağına güvenilemez.
- B yanlış, çünkü kullanıcılar kuralları kendileri eklemez ve uygulama onlara bağımlı olmamalı.
- C yanlış, çünkü model ya da deployment adı yalnızca hangi modelin çağrıldığını belirtir.
- D yanlış, çünkü hata mesajları modelin nasıl cevap verdiğini değiştirmez.
System prompt nasıl yazılır rehberimiz içine neyin girmesi gerektiğini daha derin anlatıyor.
Soru 6
Bir geliştirici Foundry model kataloğundan bir model seçiyor ve onu bir Python uygulamasından çağırmak istiyor. Uygulama ona prompt gönderebilmeden önce geliştiricinin ne yapması gerekir?
- A. Modeli şirket verisiyle fine-tune etmek
- B. Modeli Foundry kaynağında deploy etmek ve uygulamada o deployment'ın endpoint'ini ve adını kullanmak
- C. Model ağırlıklarını dizüstü bilgisayara indirmek
- D. Bir Content Understanding analyzer oluşturmak
Cevap: B. Katalogdaki bir modeli kullanabilmen için önce deploy edilmesi gerekir. Uygulama sonra istekleri deployment'a gönderir; proje endpoint'i, deployment adı ve bir anahtar ya da Microsoft Entra ID gibi kimlik bilgileri kullanılır. Çalışma kılavuzu hem "deploy a model and interact with it in the Foundry portal" hem de "create a lightweight chat client application by using the Foundry SDK" maddelerini listeliyor.
- A yanlış, çünkü fine-tuning isteğe bağlıdır ve bir modeli çağırmak için gerekmez.
- C yanlış, çünkü Foundry deploy edilmiş modeli barındırır; sen ona ağ üzerinden erişirsin.
- D yanlış, çünkü analyzer, Content Understanding ile bilgi çıkarımı içindir; bir modelle sohbet etmek için değil.
Soru 7
Bir geliştirici Python'da bu basit sohbet döngüsünü yazıyor. Kullanıcılar asistanın bir mesaj önce söylediklerini unuttuğundan şikayet ediyor. Çözüm nedir?
system = {"role": "system", "content": "You are a helpful travel assistant."}
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 çok hatırlaması için temperature'ı artırmak
- B. Tüm konuşma için tek bir
messageslistesi tutmak ve bir sonraki çağrıdan önce her kullanıcı mesajını ve her asistan cevabını ona eklemek - C. System mesajını listenin sonuna taşımak
- D. Daha büyük bir model deploy etmek
Cevap: B. Bir sohbet modeli önceki istekleri hatırlamaz. Her çağrı yalnızca gönderdiğin mesajları görür. Döngü messages listesini her turda sıfırdan oluşturuyor, bu yüzden önceki turlar kayboluyor. Listeyi bir kez oluşturup her turda kullanıcının girdisini ve asistanın cevabını eklemek, modele konuşma geçmişini verir.
- A yanlış, çünkü temperature, çıktının ne kadar rastgele olduğunu değiştirir, modelin ne görebildiğini değil.
- C yanlış, çünkü system mesajının sırası eksik turları geri getirmez.
- D yanlış, çünkü daha büyük bir model de yalnızca istekteki mesajları görür.
Soru 8
Bir ekip, çalışanların PDF dosyaları olarak saklanan şirket İK politikaları hakkındaki sorularını yanıtlamak için Foundry portalında tek bir ajan oluşturuyor. Hangi değişiklik ajanın cevaplarını bu belgelere dayandırmasını sağlar?
- A. Ajana file search tool'unu eklemek ve politika belgelerini yüklemek
- B. Azami cevap uzunluğunu artırmak
- C. Ajana bir görsel üretim modeli eklemek
- D. Ajanın serbestçe cevap vermesi için talimatlarını kaldırmak
Cevap: A. Tool'lar bir ajanın yapabileceklerini genişletir. File search tool yüklenen dosyaları bir vektör deposunda indeksler; böylece ajan ilgili pasajları getirip modelin genel bilgisi yerine onlardan cevap verebilir.
- B yanlış, çünkü daha uzun bir cevap sınırı ajana yeni bilgi vermez.
- C yanlış, çünkü görsel üretimi resim oluşturur, belgelerden cevap üretmez.
- D yanlış, çünkü talimatlar ajanın rolünü tanımlar; onları kaldırmak ajanı daha güvenilmez yapar, daha bilgili değil.
Bunun arkasındaki kalıp retrieval-augmented generation ve tool calling ve AI ajanları yazımız ajanların bir tool'u ne zaman kullanacaklarına nasıl karar verdiğini anlatıyor.
Soru 9
Bir saha teknisyeni hasarlı bir makine parçasının fotoğrafını çekiyor ve şirketin uygulamasına "Bu parça nedir ve neresi bozuk olabilir?" diye soruyor. Foundry'de en uygun yaklaşım hangisi?
- A. Fotoğrafı ve soruyu birlikte, görsel girdi kabul eden deploy edilmiş bir multimodal modele bir prompt içinde göndermek
- B. Soruyu bir görsel üretim modeline göndermek
- C. Fotoğrafı speech synthesis ile sese çevirmek
- D. Fotoğrafın dosya adı üzerinde sentiment analysis çalıştırmak
Cevap: A. Multimodal bir model aynı prompt içinde bir görseli ve metni alıp ikisi üzerinde de akıl yürütebilir. Çalışma kılavuzu bunu, deploy edilmiş bir multimodal model kullanarak prompt'lardaki görsel girdiyi yorumlamak olarak adlandırıyor.
- B yanlış, çünkü görsel üretim modeli yeni görseller oluşturur; mevcut bir fotoğrafı açıklamaz.
- C yanlış, çünkü speech synthesis metni sese çevirir ve görsellerle ilgisi yoktur.
- D yanlış, çünkü sentiment analysis metindeki görüşler üzerinde çalışır ve bir dosya adı parça hakkında hiçbir şey söylemez.
Soru 10
Bir çağrı merkezi kaydedilmiş müşteri aramalarını işlemek ve her arama için yapılandırılmış alanlar almak istiyor: kısa bir özet, konuşulan ürün ve müşterinin memnun olup olmadığı. Bunun için hangi Foundry aracı yapılmıştır?
- A. Azure Content Understanding in Foundry Tools, alanları tanımlayan bir analyzer ile
- B. Bir text embedding modeli
- C. Bir görsel üretim modeli
- D. Bir ajan üzerindeki file search tool'u
Cevap: A. Content Understanding belgeleri, görselleri, sesi ve videoyu yapılandırılmış bir çıktıya işler. İstediğin alanları bir analyzer şemasında tanımlarsın ve bir arama özeti ya da memnuniyet etiketi gibi değerleri çıkarabilir, sınıflandırabilir ya da üretebilir. Arama sonrası analitik, Microsoft'un listelediği kullanım senaryolarından biri.
- B yanlış, çünkü embedding'ler metni arama için vektörlere çevirir; sesten etiketli alanlar üretmez.
- C yanlış, çünkü görsel üretimi resim oluşturur.
- D yanlış, çünkü file search bir ajanın belgelerden soruları yanıtlamasına yardım eder; her kaydı yapılandırılmış alanlara dönüştürmez.
Kendini nasıl puanlarsın?
10 üzerinden doğru sayını hesapla, sonra nerede yanıldığına bak. On soru bir sınav sonucunu tahmin etmek için çok az, ama hangi beceri alanının çalışma gerektirdiğini gösterir.
- 9–10 doğru: daha uzun, süreli setlerle pratik yap ve kaçırdığın soruları gözden geçirmeye devam et.
- 6–8 doğru: çalışma kılavuzunda kaçırdığın beceri alanının maddelerine geri dön.
- 5 ya da daha az: kavramlarla başla. Prompt mühendisliği öğrenme yolumuz 2. sorunun ve 5–8. soruların arkasındaki üretken yapay zeka fikirlerini kapsıyor.
5–10. sorulardan birkaçını kaçırdıysan açığın Foundry kısmında. Bu beceriler yaparak öğrenmesi en kolay olanlar: bir model deploy et, bir system prompt yaz ve küçük bir Python sohbet istemcisini kendin yap.
Microsoft ayrıca bu sertifika için AI Skills Navigator üzerinde ücretsiz bir practice assessment sunuyor (giriş yapman gerekiyor). AI-901 sınav sayfasından bağlantısına ulaşabilirsin.
Bu sorular nasıl yazıldı?
TokIQ Editorial bu soruları AI-901 çalışma kılavuzunda listelenen becerilerden yazdı (ölçülen beceriler 15 Nisan 2026 itibarıyla). Bunlar gerçek sınav soruları değildir ve herhangi bir soru yığınından alınmamıştır. Sınav bilgileri, yukarıda bağlantısı verilen Microsoft Learn sayfalarıyla 2026-10-26 tarihinde karşılaştırıldı. TokIQ bağımsız bir pratik uygulamasıdır; Microsoft ile bağlantılı değildir, onun tarafından onaylanmamış ya da desteklenmemiştir. Microsoft, Azure ve Microsoft Foundry, Microsoft şirketler grubunun ticari markalarıdır.
AWS için de mi çalışıyorsun? AWS AI Practitioner (AIF-C01) örnek sorularımıza göz at.
Daha fazla AI-901 sorusuyla pratik yap
Her gün böyle kısa bir set istiyorsan TokIQ'in (Google Play'de, iPhone için yakında) bir AI-901 hazırlık modu var: kaçırdığın soruları aralıklı tekrarla geri getiren, en zayıf beceri alanına yönelen günlük bir oturum ve süreli deneme sınavları. Her soru dayandığı resmi Microsoft Learn kaynağını gösteriyor ve her cevaptan sonra, kendi dilinde bir açıklama var.
AI-901'in ilk sınav olarak doğru olup olmadığından emin değil misin? Diğer seçeneklerle önce hangi AI sertifikası alınmalı yazısında karşılaştır ya da Google Generative AI Leader örnek sorularını dene.
Sık sorulan sorular
AI-900 sınavı kaldırıldı mı?
Evet. Microsoft, AI-900'ü 30 Haziran 2026'da emekli etti ve yerine AI-901: Microsoft Azure AI Fundamentals sınavını getirdi. Microsoft Certified: Azure AI Fundamentals sertifikasını almak için artık tek zorunlu sınav olan AI-901'i geçmen gerekiyor (Microsoft Learn, 2026-10-26 tarihinde kontrol edildi).
AI-900 ile AI-901 arasındaki fark nedir?
AI-900'ün beş kavramsal alanı vardı (yapay zeka iş yükleri, Azure'da makine öğrenmesi, bilgisayarlı görü, NLP ve üretken yapay zeka). AI-901'in iki beceri alanı var: Identify AI concepts and capabilities (%40–45) ve Implement AI solutions by using Microsoft Foundry (%55–60). Microsoft ayrıca AI-901 adaylarının Python sözdizimini bilmesini bekliyor; yani sınavın yarısından fazlası Foundry ile küçük uygulamalar ve ajanlar geliştirmeyle ilgili.
AI-901 için AI-900 deneme sınavlarını hâlâ kullanabilir miyim?
Sadece kısmen. Sorumlu yapay zeka, metin analizi, konuşma ve bilgisayarlı görü üzerine kavram soruları ilk beceri alanı için hâlâ işe yarar. AI-900 setleri, AI-901'in %55–60'ını oluşturan Microsoft Foundry'de model dağıtma, prompt, ajan ve Content Understanding konularını kapsamıyor.
AI-901 sınavı ne kadar sürüyor ve geçmek için kaç puan gerekiyor?
Microsoft Fundamentals sınavları 45 dakika sürer, koltukta geçirilen süre 65 dakikadır. Puanlar 1 ile 1.000 arasında bir ölçekte bildirilir ve geçmek için 700 ya da üzeri gerekir. Bu ölçeklenmiş bir puandır, yani 700, soruların %70'i demek değildir (Microsoft Learn, 2026-10-26 tarihinde kontrol edildi).
AI-901'de kaç soru var?
Microsoft, AI-901 için soru sayısını yayımlamıyor. Sertifika sınavlarının çoğunun 40 ile 60 soru içerdiğini ve sayının değişebileceğini söylüyor. Yanlış cevap için ceza yok, o yüzden her soruyu cevapla.
Bunlar gerçek AI-901 sınav soruları mı?
Hayır. 10 sorunun hepsini TokIQ Editorial, resmi AI-901 çalışma kılavuzunda listelenen becerilerden yazdı. Microsoft sınav içeriğini gizli tutuyor; bu yüzden gerçek soru satan siteler kestirme yol değil, risktir. Microsoft ayrıca bu sertifika için AI Skills Navigator üzerinde ücretsiz bir practice assessment sunuyor (giriş gerekli).
- #AI-901
- #AI-900
- #Azure AI Fundamentals
- #örnek sorular
- #sertifika hazırlığı