1機械学習ソリューションの設計と準備

• 1.1Azure Machine Learning ワークスペースとリソース

  機械学習の中核基盤 Azure Machine Learning（Azure ML） のワークスペース、コンピューティング（インスタンス/クラスター）、データストア/データアセット、開発環境（Studio・SDK・CLI）を理解します。DP-100 の出発点です。

• 1.2機械学習プロセスと責任ある AI

  機械学習の一連の流れ（データ準備→学習→評価→デプロイ→監視）と、自動機械学習（AutoML）・デザイナー・コード（SDK/CLI） の選択、責任ある AI（公平性・説明可能性）を理解します。

• 1.3セキュリティとコスト・コンピューティングの管理

  Azure ML の運用面——認証/アクセス（Entra/RBAC・マネージド ID）、シークレット（Key Vault）、ネットワーク、コンピューティングのコスト管理、クォータ——を理解します。安全かつ効率的に ML を運用します。