PALDYNAI LAB
자격증
Microsoft Azure

해외해외 벤더 자격Microsoft

Microsoft AI-300

Microsoft Certified: Machine Learning Operations Engineer Associate — Exam AI-300: Operationalizing Machine Learning and Generative AI Solutions

난이도
응시 요건은 없지만 영어로만 출제되고, Azure ML·Foundry 운영에 Bicep·GitHub Actions까지 걸칩니다.
취업
해외 벤더 어소시에이트 자격이라 국내 제도상 우대가 없고, 2026년에 DP-100을 대신해 생긴 자격이라 국내 인지도가 아직 얕습니다.
공식 페이지에서 일정·접수 확인

개요

Azure에서 머신러닝 운영(MLOps)과 생성형 AI 운영(GenAIOps) 인프라를 세우고 굴리는 역량을 검증한다. 공식 설명은 "Demonstrate skills setting up infrastructure for machine learning operations (MLOps) and generative AI operations (GenAIOps) solutions on Azure, together referred to as AI operations (AIOps)"다. 두 플랫폼을 함께 본다 — Azure Machine Learning으로 전통적 머신러닝 모델을 학습·최적화·배포·유지하는 일과, Microsoft Foundry로 생성형 AI 앱과 에이전트를 배포·평가·모니터링·최적화하는 일이다. 다루는 업무는 MLOps 인프라 설계·구현, 머신러닝 모델 수명 주기·운영, GenAIOps 인프라 설계·구현, 생성형 AI 품질 보증·관측성, 생성형 AI 시스템·모델 성능 최적화 다섯이다. 레벨은 Intermediate, 역할은 AI Engineer, 제품은 Azure Machine Learning과 Microsoft Foundry다.

데이터 과학 배경을 갖고 Azure에서 머신러닝 모델과 생성형 AI 앱을 운영 단계로 올리는 엔지니어. 공식 응시자 프로필은 Python 프로그래밍 경험과 GitHub Actions·CLI를 쓰는 입문 수준의 DevOps 이해를 요구하고, Machine Learning·Foundry·GitHub Actions·Bicep과 Azure CLI 기반 IaC 경험을 꼽는다. 데이터 과학자·DevOps 팀·이해관계자와 협업하는 역할로 적혀 있다. 2026년 6월에 은퇴한 DP-100(Azure Data Scientist Associate)을 준비하던 사람이 옮겨 갈 자리이기도 하다.

과목

과목비중다루는 것
Design and implement an MLOps infrastructure (MLOps 인프라 설계·구현)15–20%
  • 세 개 하위 절로 나뉜다. ① Machine Learning 작업 영역의 리소스 — 작업 영역·데이터 저장소·컴퓨팅 대상 만들고 관리하기
  • 작업 영역의 ID·접근 관리 구성. ② 작업 영역의 자산 — 데이터 자산·환경·구성 요소(component) 만들고 관리하기
  • 레지스트리로 작업 영역 간 자산 공유. ③ Machine Learning용 IaC — 보안 접근을 위한 GitHub 연동 구성
  • Bicep과 Azure CLI로 작업 영역·리소스 배포
  • GitHub Actions 워크플로로 리소스 프로비저닝 자동화
  • 작업 영역 네트워크 접근 제한
  • Git으로 머신러닝 프로젝트 소스 제어.
Implement machine learning model lifecycle and operations (머신러닝 모델 수명 주기·운영 구현)25–30%
  • 네 개 하위 절로 나뉜다. ① 모델 학습 오케스트레이션 — MLflow 실험 추적 구성
  • 자동화된 머신러닝으로 최적 모델 탐색
  • 노트북으로 실험·탐색
  • 하이퍼파라미터 튜닝 자동화
  • 학습 스크립트 실행
  • 대규모·딥러닝 모델의 분산 학습 관리
  • 학습 파이프라인 구현
  • 작업 간 모델 성능 비교. ② 모델 등록과 버전 관리 — 특징 검색 사양(feature retrieval specification)을 모델 아티팩트와 함께 패키징
  • MLflow 모델 등록
  • 책임 있는 AI 원칙으로 모델 평가
  • 모델 보관을 포함한 수명 주기 관리. ③ 프로덕션 배포 — 관리형 추론 옵션으로 실시간·배치 엔드포인트 배포
  • 엔드포인트 테스트·문제 해결
  • 점진적 롤아웃과 안전한 롤백. ④ 프로덕션 모니터링·유지 — 데이터 드리프트 감지·분석
  • 배포된 모델의 성능 지표 모니터링
  • 임계값을 넘을 때 재학습·알림 트리거 구성.
Design and implement a GenAIOps infrastructure (GenAIOps 인프라 설계·구현)20–25%
  • 세 개 하위 절로 나뉜다. ① Foundry 환경과 플랫폼 구성 — Foundry 리소스와 프로젝트 환경 만들고 구성하기
  • 관리 ID와 RBAC로 ID·접근 관리
  • 네트워크 보안과 프라이빗 네트워킹 구성
  • Bicep 템플릿과 Azure CLI로 인프라 배포. ② 프로덕션용 기반 모델 배포·관리 — 서버리스 API 엔드포인트와 관리형 컴퓨팅으로 기반 모델 배포
  • 용도에 맞는 모델 선택
  • 모델 버전 관리와 프로덕션 배포 전략
  • 대량 워크로드용 프로비저닝된 처리량 단위(PTU) 구성. ③ 소스 제어로 프롬프트 버전 관리 — 프롬프트 설계·작성
  • 프롬프트 변형을 만들어 성능 비교
  • Git 리포지토리로 프롬프트 버전 관리.
Implement generative AI quality assurance and observability (생성형 AI 품질 보증·관측성 구현)10–15%
  • 두 개 하위 절로 나뉜다. ① 생성형 AI 앱·에이전트의 평가·검증 구성 — 포괄적 모델 평가용 테스트 데이터셋과 데이터 매핑 만들기
  • 근거성(groundedness)·관련성·일관성·유창성 같은 AI 품질 지표 구현
  • 유해 콘텐츠 탐지를 위한 위험·안전 평가 구성
  • 기본 제공·사용자 정의 평가 지표로 자동 평가 워크플로 구성. ② 생성형 AI 앱·에이전트의 관측성 — Foundry의 지속 모니터링 살피기
  • 지연 시간·처리량·응답 시간 같은 성능 지표 모니터링
  • 토큰 소비·리소스 사용량 같은 비용 지표 추적·최적화
  • 프로덕션 문제 해결을 위한 상세 로깅·트레이싱·디버깅 구성.
Optimize generative AI systems and model performance (생성형 AI 시스템·모델 성능 최적화)10–15%
  • 두 개 하위 절로 나뉜다. ① RAG 성능·정확도 최적화 — 유사도 임계값·청크 크기·검색 전략을 조정해 검색 성능 최적화
  • 도메인 특화 용도와 정확도 개선을 위한 임베딩 모델 선택·파인튜닝
  • 시맨틱 검색과 키워드 검색을 결합한 하이브리드 검색 구현·최적화
  • 관련성 지표와 A/B 테스트 프레임워크로 RAG 시스템 평가·개선. ② 고급 파인튜닝과 모델 커스터마이징 — 고급 파인튜닝 방법 설계·구현
  • 파인튜닝용 합성 데이터 만들기·관리
  • 파인튜닝 모델 성능 모니터링·최적화
  • 개발부터 프로덕션 배포까지 파인튜닝 모델 관리.

시험 정보

치르는 방식

시행 주기정해진 회차가 없다.공식 페이지는 일정표 대신 Pearson VUE 예약 링크("Schedule through Pearson Vue")만 두고 응시자가 개별로 예약해 대개 시험 센터와 온라인 감독 중에서 골라 치른다.Pearson VUE로 동시에 예약해 둘 수 있는 Microsoft 인증 시험은 최대 2개이고, 시험은 90일 이내 앞으로만 예약할 수 있다.등록 시 개인 MSA 계정 사용을 강하게 권장한다 — 조직(직장·학교) 계정으로 등록하면 조직을 떠날 때 응시 기록이 사라지고 복구되지 않는다고 명시한다.재응시는 첫 시도 실패 후 24시간이 지나면 가능하고, 그 다음부터는 시도 사이마다 14일을 기다려야 한다.같은 시험은 첫 응시일로부터 12개월 안에 다섯 번까지만 볼 수 있고, 다섯 번 모두 떨어지면 첫 응시일로부터 12개월이 지나야 다시 볼 수 있다.합격한 시험은 자격이 만료되기 전에는 다시 볼 수 없다.
형식시험 시간은 120분이다.감독(proctored) 시험이며 상호작용형(interactive) 구성 요소가 포함될 수 있다.문항 수는 시험별로 공개하지 않고, 대부분의 Microsoft 인증 시험이 40~60문항이라고만 안내한다.합격선은 700점 이상이다.역할 기반 시험이라 시험 중 learn.microsoft.com 열람이 허용된다(Q&A·연습 평가·프로필 제외, 추가 시간은 없고 타이머는 계속 간다).사전 신청 없이 비정기 휴식을 쓸 수 있으나 시험 시계는 멈추지 않고 휴식 전에 본 문항으로는 돌아갈 수 없다.대부분 문항은 GA 기능을 다루며 널리 쓰이는 프리뷰 기능이 나올 수 있다.제공 언어는 영어 하나다("This exam is offered in the following languages: English").학습 가이드는 원하는 언어로 시험이 없으면 30분 추가 시간을 신청할 수 있다고 적고, FAQ는 그 추가 시간이 사례별 승인이며 시험 전에 English as a Second Language 절차로 미리 신청해야 한다고 적는다.시험 중 여는 Microsoft Learn도 시험과 같은 언어로만 제공된다.연습 평가는 Microsoft Learn이 아니라 AI Skills Navigator에서 제공되며 로그인이 필요하다.시험 UI는 exam sandbox로 미리 체험할 수 있다.

응시 조건

응시자격공식 페이지에 응시 자격 요건(선행 자격증·경력 조건)은 없고 권장 배경만 적혀 있다 — 데이터 과학 배경, Python 프로그래밍 경험, GitHub Actions와 CLI를 쓰는 입문 수준의 DevOps 이해, 그리고 Machine Learning·Foundry·GitHub Actions·Bicep과 Azure CLI 기반 IaC에 대한 지식과 경험.준비 과정으로 4일짜리 강사 주도 과정 AI-300T00-A "Operationalize machine learning and generative AI solutions"가 이 자격증과 연결되어 있고, 같은 내용을 자기 주도 학습 경로 둘(Operationalize machine learning models (MLOps) 5시간 44분 · Operationalize generative AI applications (GenAIOps) 6시간 4분)로도 볼 수 있다.
응시료공식 페이지는 "Price based on the country or region in which the exam is proctored."(응시 국가·지역에 따라 가격이 정해진다)라고 적고, 같은 자리의 국가·지역 선택 상자에서 고른 나라의 금액을 보여 준다 — 확인한 날 미국은 "$165 USD*", 한국(목록 표기 "Korean")은 "$99 USD*"였다.공식 FAQ는 "Associate and Expert exams typically cost US$165 but are priced according to currency values in specific countries and regions.Exam prices are subject to change.In some countries and regions, additional taxes may apply."라고 적고, MOS 외 시험의 가격은 각 시험 페이지에서 확인하라고 안내한다.재응시는 다시 결제하며, 재응시 1회를 묶은 Exam Replay 상품과 학생 할인가(인도·중국 제외)가 따로 안내되어 있다.갱신 평가는 무료다.
환불 규정
시점환불단서
시험 시작 24시간 이내 취소·일정 변경, 또는 예약해 두고 미응시불가회사가 구매한 바우처로 접수했다면 바우처도 함께 소멸한다. 미응시 때는 회사에 미응시 수수료가 청구될 수 있다
응시한 뒤 불합격불가재응시는 다시 결제한다

시행처는 몰수 쪽만 못 박는다 — 「시험 시작 24시간 전까지 일정을 변경하거나 취소하지 않으면 응시료를 잃는다」이고, 기한 안에 취소했을 때 얼마를 돌려주는지는 공식 페이지에 적혀 있지 않다. FAQ는 불합격과 놓친 예약에 환불하지 않는다고 적고, 학생 인증을 받기 전에 정가로 결제한 경우도 소급 환불하지 않는다. 부정행위로 응시가 금지되거나 결과가 무효가 되면 응시료를 환불할 의무가 없다고 프로그램 약관 6조가 적는다.

자격 유지

유효기간1년.Microsoft 어소시에이트·엑스퍼트·스페셜티 자격증은 매년 만료된다("Microsoft associate, expert, and specialty certifications expire annually").만료 전 6개월 자격 기간 안에 Microsoft Learn에서 무료 온라인 갱신 평가에 합격하면 만료일로부터 1년 연장되고("Once you pass, your certification will be extended one year from the expiration date."), 합격하는 즉시 프로필의 만료일이 새로 바뀐다.갱신 평가는 감독 없는(unproctored) 오픈북 방식이고 약 45분이며, 만료 전에 합격하기만 하면 응시 횟수 제한이 없다(실패하면 바로 다시 볼 수 있고, 두 번째 시도 뒤부터는 시도 사이에 24시간 이상 기다린다).갱신 FAQ가 갱신 평가는 해당 시험과 같은 언어로 제공된다고 적으므로 AI-300의 갱신 평가도 영어다.만료되면 시험에 다시 합격해야 한다.

시험 노트

0 / 32편개념 0/27 · 모의고사 0/5

개념 정리0 / 27

  1. 01Azure ML 작업 영역과 데이터 저장소예정Design and implement an MLOps infrastructure (MLOps 인프라 설계·구현)
  2. 02Azure ML 컴퓨팅 대상과 접근 권한예정Design and implement an MLOps infrastructure (MLOps 인프라 설계·구현)
  3. 03데이터 자산·환경·구성 요소와 레지스트리예정Design and implement an MLOps infrastructure (MLOps 인프라 설계·구현)
  4. 04Bicep·Azure CLI 배포와 네트워크 제한예정Design and implement an MLOps infrastructure (MLOps 인프라 설계·구현)
  5. 05GitHub Actions 연동과 Git 소스 제어예정Design and implement an MLOps infrastructure (MLOps 인프라 설계·구현)
  6. 06노트북 실험과 MLflow 추적예정Implement machine learning model lifecycle and operations (머신러닝 모델 수명 주기·운영 구현)
  7. 07명령·스윕·AutoML 작업 실행예정Implement machine learning model lifecycle and operations (머신러닝 모델 수명 주기·운영 구현)
  8. 08분산 학습과 학습 파이프라인예정Implement machine learning model lifecycle and operations (머신러닝 모델 수명 주기·운영 구현)
  9. 09MLflow 모델 등록과 모델 보관예정Implement machine learning model lifecycle and operations (머신러닝 모델 수명 주기·운영 구현)
  10. 10책임 있는 AI 대시보드로 모델 평가예정Implement machine learning model lifecycle and operations (머신러닝 모델 수명 주기·운영 구현)
  11. 11관리형 온라인 엔드포인트와 롤아웃예정Implement machine learning model lifecycle and operations (머신러닝 모델 수명 주기·운영 구현)
  12. 12배치 엔드포인트와 엔드포인트 문제 해결예정Implement machine learning model lifecycle and operations (머신러닝 모델 수명 주기·운영 구현)
  13. 13데이터 드리프트와 재학습 트리거예정Implement machine learning model lifecycle and operations (머신러닝 모델 수명 주기·운영 구현)
  14. 14Foundry 리소스·프로젝트와 IaC 배포예정Design and implement a GenAIOps infrastructure (GenAIOps 인프라 설계·구현)
  15. 15Foundry 관리 ID·RBAC과 네트워크 보안예정Design and implement a GenAIOps infrastructure (GenAIOps 인프라 설계·구현)
  16. 16기반 모델 선택과 서버리스·관리형 배포예정Design and implement a GenAIOps infrastructure (GenAIOps 인프라 설계·구현)
  17. 17모델 버전 전략과 PTU 처리량 구성예정Design and implement a GenAIOps infrastructure (GenAIOps 인프라 설계·구현)
  18. 18프롬프트 설계와 변형 성능 비교예정Design and implement a GenAIOps infrastructure (GenAIOps 인프라 설계·구현)
  19. 19Git으로 프롬프트 버전 관리하기예정Design and implement a GenAIOps infrastructure (GenAIOps 인프라 설계·구현)
  20. 20평가 데이터셋과 AI 품질 지표예정Implement generative AI quality assurance and observability (생성형 AI 품질 보증·관측성 구현)
  21. 21위험·안전 평가와 자동 평가 흐름예정Implement generative AI quality assurance and observability (생성형 AI 품질 보증·관측성 구현)
  22. 22Foundry 지속 모니터링과 성능 지표예정Implement generative AI quality assurance and observability (생성형 AI 품질 보증·관측성 구현)
  23. 23토큰 비용 추적과 트레이싱 디버깅예정Implement generative AI quality assurance and observability (생성형 AI 품질 보증·관측성 구현)
  24. 24청크·유사도 임계값과 하이브리드 검색예정Optimize generative AI systems and model performance (생성형 AI 시스템·모델 성능 최적화)
  25. 25임베딩 모델 튜닝과 RAG A/B 평가예정Optimize generative AI systems and model performance (생성형 AI 시스템·모델 성능 최적화)
  26. 26고급 파인튜닝 기법과 합성 데이터예정Optimize generative AI systems and model performance (생성형 AI 시스템·모델 성능 최적화)
  27. 27파인튜닝 모델 모니터링과 운영 배포예정Optimize generative AI systems and model performance (생성형 AI 시스템·모델 성능 최적화)

모의고사0 / 5

개념을 다 쓴 뒤에 차례로 붙습니다.

  1. 01모의고사 1회예정
  2. 02모의고사 2회예정
  3. 03모의고사 3회예정
  4. 04모의고사 4회예정
  5. 05모의고사 5회예정

관련 있는 우리 글

시험을 겨냥해 쓴 글은 아니지만 같은 개념을 다룹니다. 과목이 막힐 때 곁에 두고 읽습니다.

Design and implement an MLOps infrastructure (MLOps 인프라 설계·구현)

AI LABMLOps 완전 정복: 머신러닝을 프로덕션으로AI LAB데이터 버저닝 — 같은 코드가 같은 모델을 만들게 하려면AI LABML CI/CD: 자동화된 모델 배포 파이프라인

Implement machine learning model lifecycle and operations (머신러닝 모델 수명 주기·운영 구현)

AI LABMLOps 실험 트래킹: 재현 가능한 ML 개발AI LABML 파이프라인 자동화: 끝까지 이어지는 워크플로우AI LAB모델 레지스트리: 모델 생애주기 관리AI LAB피처 스토어: 피처 재사용과 일관성 확보AI LAB편향과 설명: 모델의 결정을 열어 보고 고르게 만들기AI LAB모델 모니터링 — 조용히 틀려 가는 것을 잡는 법

Design and implement a GenAIOps infrastructure (GenAIOps 인프라 설계·구현)

AI LABLLMOps 개요: LLM 운영의 새로운 과제AI LAB모델 고르기를 취향 논쟁에서 절차로 바꾸기AI LAB프롬프트 레지스트리 — 버전·A/B·회귀 스위트AI LAB프롬프트를 코드처럼 다루기: 버전 관리와 평가

Implement generative AI quality assurance and observability (생성형 AI 품질 보증·관측성 구현)

AI LAB골든 데이터셋 — 평가의 기준이 되는 100문제를 어떻게 고르나AI LAB평가 하네스 — 러너·집계·게이트를 짜는 법AI LABLLM 관측성 — 트레이스로 요청 하나를 되짚기AI LABLLM 비용 — 청구서를 만드는 것과 줄이는 순서

Optimize generative AI systems and model performance (생성형 AI 시스템·모델 성능 최적화)

AI LABRAG 청킹 전략 완전 정복: 문서를 어떻게 나눠야 하는가AI LAB하이브리드 검색은 붙이는 것보다 맞추는 것이 일이다AI LABRAG 임베딩 모델 고르기: 차원·한국어·재색인 비용AI LABRAG 평가 지표 파헤치기 — 검색과 생성을 따로 재야 하는 이유AI LAB온라인 A/B 테스트 — 오프라인 점수가 답하지 못하는 것AI LAB학습 데이터 합성 — 모델로 만든 데이터로 모델을 가르치기AI LAB파인튜닝 평가: 내 모델이 얼마나 좋아졌는지 측정하기

알아 둘 것

  • 시험 예약·감독은 Pearson VUE가 맡는다. 시험 페이지 주소(exams/ai-300)는 자격 페이지로 넘어간다.
  • 이 자격증을 얻는 데 필요한 시험은 AI-300 하나다 — 시행처 발표 글이 "To earn this Certification, you need to pass Exam AI-300"이라고 적는다.
  • DP-100(Azure Data Scientist Associate)을 대신하는 자격이다. 시행처 발표 글(2026-03-05 게시, 2026-05-12 갱신)이 "This Certification replaces the Microsoft Certified: Azure Data Scientist Associate Certification (Exam DP-100), which is retiring on June 1, 2026"이라고 적고, 은퇴 시험 목록도 DP-100의 은퇴일을 2026년 6월 1일로 적는다. 2026년 6월 자격 소식 글의 은퇴 표도 DP-100 옆 권장 자격 칸에 AI-300을 적는다. DP-100 자격 페이지의 은퇴 경고가 거는 Microsoft Skills Hub 블로그 글의 은퇴 표도 'Replacement Certification' 열에 Machine Learning Operations Engineer Associate (Exam AI-300)를 적는다.
  • 베타로 시작해 정식이 됐다. 발표 글은 AI-300을 "currently in beta"로 소개하며 2026년 5월 정식 출시를 예고했고, 2026년 6월 자격 소식 글의 표가 AI-300을 "Generally available"로 적는다. 지금 자격 페이지 제목에는 (beta) 표기가 없다.
  • DP-100과 견주면 학습·평가는 남기고 자동화, IaC, CI/CD, 수명 주기 거버넌스, 관측성, 드리프트 감지, 비용 통제, 생성형 AI 운영 쪽을 크게 늘렸다고 발표 글이 적는다.
  • 랩(lab) 문항이 실제로 나오는지는 공개되지 않지만, 시험 시간 120분은 시행처 시험 시간 표에서 '랩이 포함될 수 있는 어소시에이트·엑스퍼트 역할 기반 시험' 칸의 값이다(좌석 시간 140분). Microsoft는 Azure 장애 등으로 랩을 언제든 뺄 수 있어 랩 포함 시험 목록을 공개하지 않는다고 밝힌다.
  • 학습 가이드에는 스킬 기준일과 change log가 없다. 문서의 마지막 갱신일은 2026-03-05다.
  • 연계 강사 주도 과정 AI-300T00-A는 한국어를 포함한 12개 언어로 제공되지만 시험은 영어로만 본다.
  • AI-300 자격은 Agentic AI Business Solutions Architect Expert(AB-100)의 선수 어소시에이트 자격 목록에 들어 있다.

난이도와 취업 별은 시행처가 준 값이 아니라 위에 적은 근거로 매긴 값입니다. 공식 페이지는 2026-10-10에 확인했습니다. 시험 제도는 개편이 잦으니 접수 전에 시행처 안내를 한 번 더 보세요.