AI-300の勉強法を調べても、日本語の情報はまだ多くありません。2026年に始まった新しい試験で、受験言語も英語だけ。手がかりになるのはMicrosoftの公式教材ですが、2本のラーニングパスを合わせると806分、約13時間半あります。どこから手を付け、何を足せばよいのかが見えにくい試験です。
加えて、教材を読み終えるだけでは届かない部分があります。出題範囲には、BicepによるIaCやRAGの最適化のように、ラーニングパスのモジュール名には出てこない項目も並びます。英語の問題文で「groundedness」や「provisioned throughput」に引っかかると、読解に時間を取られます。
この記事では、公式教材と出題5分野の対応、教材で特に補いたい項目、英語で受けるための用語表、課金に注意したハンズオン、そして平日1時間・土日各2.5時間で回す5週間スケジュールまでを示します。読み終えたら、今週どのモジュールとどの演習に時間を使うかが決まります。
AI-300勉強法の全体像|5ステップ・約50時間
AI-300の学習は、公式教材で範囲を一周し、手を動かして運用の流れをつかみ、問題演習で英語の問われ方に慣れる、という順で組み立てます。全体は5ステップで、合計は約50時間です。
| ステップ | やること | 使う教材 | 時間の目安 |
|---|---|---|---|
| ① 一周する | 5分野の全体像をつかむ | 公式ラーニングパス2本(計14モジュール) | 約14時間 |
| ② 手を動かす | 学習・デプロイ・評価の流れを自分の環境で通す | Azure Machine Learning、Microsoft Foundry、GitHub Actions | 約14時間 |
| ③ 弱点を測る | 分野ごとの穴を特定する | 公式の練習評価(AI Skills Navigator) | 2回で約3時間 |
| ④ 解消する | 英語の問題文と用語に慣れ、弱い分野を潰す | 問題演習、学習ガイド、公式ドキュメント | 約15時間 |
| ⑤ 仕上げる | 時間を計った演習と、試験画面の操作を確認する | 120分を計った問題演習、試験サンドボックス、間違えた問題の見直し | 約4時間 |
この時間はSkillStack編集部の目安で、Microsoftが示す推奨時間ではありません。想定しているのは、Pythonと機械学習の基礎があり、Azureにも多少触れたことがある人です。DP-100の学習経験があるなら①と②の機械学習側を短縮し、生成AI側に回してください。試験の概要や配点はAI-300の難易度と出題範囲で整理しています。
配分で注意したいのは、②のハンズオンに①と同じ約14時間を充てている点です。AI-300の学習ガイドは「構成する」「実装する」「デプロイする」という動詞で書かれています。読んだだけの知識は、選択肢が3つ4つ並んだ瞬間に揺らぎます。とはいえ、働きながら演習の時間を確保し、どの分野で点を落としているかを把握し続けるのは簡単ではありません。
公式ラーニングパス2本と5分野の対応|特に補いたい3項目
公式のラーニングパスは、機械学習側と生成AI側に1本ずつ分かれています。モジュールの名前から、出題5分野との対応を整理すると次のようになります。対応づけはSkillStack編集部の判断です。
| ラーニングパス | 主なモジュール(所要時間) | 主に対応する分野 |
|---|---|---|
| 機械学習モデルの運用化(MLOps)/7モジュール・349分 | Azure Machine Learningを試す(66分)、MLflowでトレーニングスクリプトを実行しモデルを追跡(50分)、ハイパーパラメーターのチューニング(47分)、パイプラインの実行(41分)、GitHub Actionsでモデルトレーニングを自動化(51分)、モデルのデプロイと監視(62分)ほか | MLOpsインフラ(15〜20%)/モデルのライフサイクルと運用(25〜30%) |
| 生成AIアプリケーションの運用化(GenAIOps)/7モジュール・457分 | GenAIOpsの計画と準備(46分)、GitHubでエージェントのプロンプトを管理(53分)、構造化された実験でエージェントを評価・最適化(66分)、マネージドトレーニングでのファインチューニング(93分)、GitHub ActionsでAI評価を自動化(74分)、生成AIアプリの監視(60分)、トレースでの分析とデバッグ(65分) | GenAIOpsインフラ(20〜25%)/品質保証と可観測性(10〜15%)/生成AIの最適化(10〜15%) |
2本はそれぞれ配点の半分前後に対応しており、時間の配分としては大きな偏りはありません。気をつけたいのは、学習ガイドの小項目のうち、モジュール名に直接は出てこないものです。ネットワークの制限や分散学習など該当するものはほかにもありますが、配点の大きい分野に関わり、独学で抜けやすいものとして、編集部は次の3つを特に補うことを勧めます。
- BicepとAzure CLIによる構築:学習ガイドでは、Machine LearningワークスペースとFoundryの両方で「Bicepテンプレートで構築する」項目があります。Bicepの基本構文とAzure CLIのデプロイコマンドは、公式ドキュメントで補ってください
- RAGの最適化:チャンクサイズ、類似度のしきい値、セマンティック検索とキーワード検索を組み合わせたハイブリッド検索、埋め込みモデルの選定が範囲に含まれます。RAGの検索精度を上げる考え方を、Foundryのドキュメントで押さえておきます
- プロビジョニング済みスループットユニット(PTU):大量のリクエストを処理するための容量の確保方法です。従量課金のデプロイと何が違い、どんな場面で選ぶのかを説明できる状態にしておきます
モジュールの中身でこれらの一部に触れている可能性はあります。ただ、試験の小項目として明記されている以上、教材に頼り切らずに学習ガイドを手元に置き、3項目以外も含めて小項目ごとに「説明できるか」を自分で確かめるのが安全です。
英語で受ける人の用語対策|問題文で迷いやすい表現
2026年11月時点で、AI-300は英語でしか受験できません。英語に不安があるなら、頻出の用語を英語のまま認識できるようにしておくと、読解時間の短縮と読み違いの防止につながります。学習ガイドに出てくる表現から、意味を取り違えやすいものを選びました。
| 英語の表現 | 意味 | 関係する分野 |
|---|---|---|
| datastore / data asset | データの保存先への接続情報/学習に使うデータを登録したもの。似ているが役割が違う | MLOpsインフラ |
| registry | モデルや環境などをワークスペース間で共有するための場所 | MLOpsインフラ |
| real-time endpoint / batch endpoint | 1件ずつ即時に推論を返すエンドポイント/まとまったデータを非同期で処理するエンドポイント | モデルのライフサイクル |
| progressive rollout / rollback | 新しいモデルへ段階的に切り替えること/問題があれば前のモデルに戻すこと | モデルのライフサイクル |
| data drift | 本番で入ってくるデータの傾向が、学習時のデータから変わっていくこと | モデルのライフサイクル |
| provisioned throughput units (PTU) | 生成AIモデルの処理容量をあらかじめ確保する単位 | GenAIOpsインフラ |
| groundedness / relevance / coherence / fluency | 回答が根拠に基づいているか/質問に関連しているか/筋が通っているか/文章が自然か、を測る品質指標 | 品質保証と可観測性 |
| tracing | 生成AIアプリの内部で、どの処理にどれだけ時間がかかり何が起きたかを追跡すること | 品質保証と可観測性 |
| chunk size / similarity threshold / hybrid search | 文書を分割する大きさ/検索結果として採用する類似度の下限/意味検索とキーワード検索の併用 | 生成AIの最適化 |
| synthetic data | ファインチューニングなどに使うため、人工的に生成したデータ | 生成AIの最適化 |
この表の用語は、ラーニングパスを読むときから英語表記で意識しておくと定着が早くなります。Microsoft Learnのページは右上の切り替えで英語版に変えられるので、日本語版で理解したあと、同じ段落を英語版で読み直す方法も使えます。英語に習熟していない場合は、30分の延長を事前に申請できます。自動では付かず、それを示す書類の提出と承認が必要で、承認には最大10営業日かかると案内されています。承認を受けてから予約する段取りで進めてください。
ハンズオンは課金に注意|手を動かす3つの演習
ステップ②では、出題範囲の流れを自分の環境で一度通します。全部を作り込む必要はありません。次の3つに絞ると、5分野の要所に触れられます。
- Azure Machine Learningで学習からデプロイまで:ワークスペースを作り、MLflowで追跡しながら学習ジョブを流し、モデルを登録してエンドポイントにデプロイする
- GitHub Actionsで学習を自動化:リポジトリへのプッシュをきっかけに学習ジョブが動くワークフローを作る。ラーニングパスの該当モジュールに沿うと進めやすい
- Foundryでモデルをデプロイして評価する:基盤モデルをデプロイし、テスト用のデータセットで品質指標と安全性の評価を回し、トレースを確認する
注意したいのは費用です。Azure Machine Learningのコンピューティングや、Foundryでのモデルのデプロイは、使った分だけ課金されます。演習はリソースグループを1つ決めてその中に作り、終わったら演習用のリソースグループごと削除してください。Azureの予算アラートは通知の仕組みで、課金そのものを止めるものではありません。PTUは容量を確保する仕組みなので、演習で実際に購入する必要はなく、従量課金との違いを理解できれば十分です。
5ステップを回す5週間スケジュール|平日1時間・土日各2.5時間
働きながらなら、平日1時間と土日各2.5時間で、週10時間を5週間続けるのが1つの目安です。読む作業とハンズオンは土日にまとめ、平日は演習と用語の確認に充てると続けやすくなります。
| 週 | やること(計10時間) | 到達点 |
|---|---|---|
| 1週目 | ①MLOpsパスを読む(6時間)+②Azure Machine Learningで学習からデプロイまで(4時間) | 機械学習側の運用の流れを説明できる |
| 2週目 | ①GenAIOpsパスを読む(8時間)+②Foundryでデプロイと評価(2時間) | 生成AI側の評価・監視の流れを説明できる |
| 3週目 | ②GitHub Actions・Bicepの演習と評価の自動化(8時間)+③練習評価1回目(1.5時間)+④用語表の確認(0.5時間) | 弱い分野を5分野の中から特定できる |
| 4週目 | ④問題演習と、特に補いたい3項目(Bicep・RAG最適化・PTU)の補強(10時間) | 英語の問題文で用語に詰まらない |
| 5週目 | ④弱い分野の演習(4.5時間)+③練習評価2回目(1.5時間)+⑤120分を計った問題演習・サンドボックス・間違えた問題の見直し(4時間) | 時間を計った演習で最後まで解き切れる |
各ステップの合計は、①が14時間、②が14時間、③が3時間、④が15時間、⑤が4時間で、冒頭の表と一致します。受験日は3週目の練習評価のあとに予約すると、残り2週間の使い方が具体的になります。不合格だった場合、初回の不合格後は24時間、2回目以降の不合格後は14日をあける必要があるため、期限がある人は余裕を持って日程を組んでください。
平日の1時間を通勤と昼休みに分けるなら、スキマ時間のスマホ学習術の要領で、用語表の確認や1問ずつの演習を割り当てると負担が小さくなります。
よくある質問
DP-100の教材はAI-300の勉強に使えますか?
DP-100は2026年6月1日に廃止されており、手元や公開中の旧教材は内容の更新が止まっている前提で扱ってください。そのうえで、MLflowでの追跡、ハイパーパラメーター調整、モデルのデプロイといった機械学習側の内容は、AI-300の範囲とも重なります。DP-100の後期の学習ガイドには、プロンプトの手動評価、トレース、RAG、ファインチューニングといった言語モデルの最適化も含まれていたため、その部分も土台になります。一方で、GitHub ActionsやBicepによる自動化、評価の自動化や本番での継続的な監視は、DP-100では十分に扱われていません。DP-100の教材は補助にとどめ、AI-300の学習ガイドで不足を確かめてください。
実務経験がなくても合格できますか?
公式は、データサイエンスの経験、Pythonの経験、DevOpsの入門レベルの理解を前提としています。実務経験がない場合は、この記事のステップ②の演習を省かずに行い、学習ガイドの小項目ごとに「自分で設定したことがあるか」を確かめながら進めてください。時間の見積もりも、50時間より多めに取っておくのが現実的です。
公式の練習評価はどこで受けられますか?
AI-300の練習評価は、AI Skills Navigatorで提供されています。利用にはサインインが必要です。認定ページと学習ガイドから案内されているので、そこからたどってください。
受験料はいくらですか?
Microsoftの公式価格表示では、日本で受験する場合は20,300円、米国では165ドルです。価格は国や地域で異なり、変わることもあります。税の扱いと最終金額は、Pearson VUEの申込画面で確認してください。
まとめ
AI-300は、日本語の情報が少なく、試験も英語だけという、準備の手がかりを自分で作る必要がある試験です。その分、学習の軸にすべき学習ガイドは公開されています。2本のラーニングパスで全体をつかみ、特に補いたいBicep・RAG最適化・PTUを公式ドキュメントと演習で埋め、用語を英語のまま覚える。学習ガイドの箇条書きは例示で、関連する話題も出題されうるとMicrosoftは明記していますが、この3つを押さえておけば範囲の広さに振り回されずに済みます。
今日やることは、学習ガイドを開いて、触ったことのない小項目に印を付けることです。そのうえで、印の多い分野から演習を始めてください。演習でつまずいた問題は時間をあけて解き直すほど定着するので、SkillStackに収録したAI-300の問題集のうち、最初の1セット(50問)は無料で解けます。間違えた問題が時間をあけて再出題される流れを、英語の用語の確認と組み合わせて使う手もあります。
参考サイト
- Study guide for Exam AI-300(出題範囲・配点・言語の延長申請)(取得日: 2026年11月16日)
- Microsoft Certified: Machine Learning Operations Engineer Associate(受験言語・練習評価・サンドボックス)(取得日: 2026年11月16日)
- ラーニングパス: 機械学習モデルの運用化 (MLOps)(取得日: 2026年11月16日)
- ラーニングパス: 生成 AI アプリケーションの運用化 (GenAIOps)(取得日: 2026年11月16日)
- Microsoft Learn 試験価格データ(日本・米国の価格)(取得日: 2026年11月16日)
- Study guide for Exam DP-100(廃止済み試験の出題範囲)(取得日: 2026年11月16日)
- Exam retake policy(取得日: 2026年11月16日)
- Accommodations for Microsoft Certifications(言語による延長申請)(取得日: 2026年11月16日)
- Azure Cost Management の予算の作成と管理(取得日: 2026年11月16日)
