Implementing Cisco Data Center AI InfrastructureDCAICICiscoCI-DCAI1.0<p>A l'issue de la formation, vous devrez être en mesure de :
</p>
<ul>
<li>Décrire les concepts clés de l’intelligence artificielle, en se concentrant sur l’IA traditionnelle, l’apprentissage automatique (machine learning) et l’apprentissage profond (deep learning), ainsi que leurs applications</li><li>Décrire l’IA générative, ses défis et ses tendances futures, tout en examinant les nuances entre les approches traditionnelles et modernes de l’IA</li><li>Expliquer comment l’IA améliore la gestion et la sécurité des réseaux grâce à l’automatisation intelligente, à l’analytique prédictive et à la détection d’anomalies</li><li>Décrire les concepts clés, l’architecture et les principes de gestion de base des clusters IA/ML, ainsi que le processus d’acquisition, d’ajustement fin (fine-tuning), d’optimisation et d’utilisation de modèles ML préentraînés</li><li>Utiliser les capacités de Jupyter Lab et de l’IA générative pour automatiser les opérations réseau, écrire du code Python et exploiter des modèles d’IA afin d’améliorer la productivité</li><li>Décrire les composants essentiels et les considérations nécessaires à la mise en place d’une infrastructure IA robuste</li><li>Évaluer et mettre en œuvre des stratégies efficaces de placement des charges de travail et garantir l’interopérabilité au sein des systèmes IA</li><li>Explorer les normes de conformité, les politiques et les cadres de gouvernance applicables aux systèmes d’IA</li><li>Décrire les pratiques d’infrastructure IA durable, en mettant l’accent sur la durabilité environnementale et économique</li><li>Orienter les décisions relatives à l’infrastructure IA afin d’optimiser l’efficacité et les coûts</li><li>Décrire les principaux défis réseau du point de vue des exigences applicatives IA/ML</li><li>Décrire le rôle des technologies optiques et cuivre dans la prise en charge des charges de travail IA/ML en centre de données</li><li>Décrire les modèles de connectivité réseau et les conceptions réseau</li><li>Décrire les protocoles importants de couche 2 et de couche 3 pour l’IA et le fog computing dans le cadre du traitement distribué de l’IA</li><li>Migrer les charges de travail IA vers un réseau IA dédié</li><li>Expliquer les mécanismes et le fonctionnement des protocoles RDMA et RoCE</li><li>Comprendre l’architecture et les fonctionnalités des fabrics Ethernet haute performance</li><li>Expliquer les mécanismes réseau et les outils de QoS nécessaires à la construction de réseaux RoCE sans perte et haute performance</li><li>Décrire les mécanismes ECN et PFC, présenter Cisco Nexus Dashboard Insights pour la surveillance de la congestion, explorer l’impact des différentes phases des applications IA/ML sur l’infrastructure des centres de données, et inversement</li><li>Présenter les étapes de base, les défis et les techniques liés au processus de préparation des données</li><li>Utiliser Cisco Nexus Dashboard Insights pour surveiller les flux de trafic IA/ML</li><li>Décrire l’importance du matériel spécifique à l’IA pour réduire les temps d’entraînement et prendre en charge les besoins avancés de traitement des tâches d’IA</li><li>Comprendre le matériel de calcul requis pour exécuter des solutions IA/ML</li><li>Comprendre les solutions d’intelligence et d’IA/ML existantes</li><li>Décrire les options d’infrastructure virtuelle et les considérations associées lors du déploiement</li><li>Expliquer les stratégies de stockage des données, les protocoles de stockage et le stockage défini par logiciel</li><li>Utiliser NDFC pour configurer un fabric optimisé pour les charges de travail IA/ML</li><li>Utiliser des modèles GPT hébergés localement avec le RAG pour des tâches d’ingénierie réseau</li></ul><p>Il n’existe aucun prérequis formel pour cette formation. Cependant, il est recommandé de disposer des connaissances et compétences suivantes avant d’y participer :
</p>
<ul>
<li>Architecture et opérations de calcul Cisco UCS</li><li>Gamme de commutateurs Cisco Nexus et leurs fonctionnalités</li><li>Technologies cœur des centres de données</li></ul><p>Ces compétences peuvent être acquises via les offres de formation Cisco suivantes :</p>
<ul>
<li><span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/fr/course/cisco-dcnx"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>Implementing Cisco NX-OS Switches and Fabrics in the Data Center <span class="fl-prod-pcode">(DCNX)</span></a></span></li><li><span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/fr/course/cisco-dcnde"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>Cisco Data Center Nexus Dashboard Essentials <span class="fl-prod-pcode">(DCNDE)</span></a></span></li><li><span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/fr/course/cisco-dccor"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>Implementing and Operating Cisco Data Center Core Technologies <span class="fl-prod-pcode">(DCCOR)</span></a></span></li></ul><ul>
<li>Concepteurs Réseau</li><li>Administrateurs Réseau</li><li>Administrateurs de Stockage</li><li>Ingénieurs Réseau</li><li>Ingénieurs Systèmes</li><li>Ingénieurs de Centre de Données</li><li>Ingénieurs Systèmes Conseil</li><li>Architectes de Solutions Techniques</li><li>Intégrateurs / Partenaires Cisco</li><li>Ingénieurs Terrain</li><li>Administrateurs Serveurs</li><li>Responsables Réseau</li><li>Responsables de Programme</li><li>Chefs de Projet</li></ul><ul>
<li>Fondamentaux de l’IA</li><li>IA générative</li><li>Cas d’usage de l’IA</li><li>Clusters IA/ML et modèles</li><li>Outils IA — Jupyter Notebook</li><li>Infrastructure IA</li><li>Placement des charges de travail IA et interopérabilité</li><li>Politiques IA</li><li>Durabilité de l’IA</li><li>Conception de l’infrastructure IA</li><li>Défis réseau clés et exigences pour les charges de travail IA</li><li>Transport IA</li><li>Modèles de connectivité</li><li>Réseau IA</li><li>Migration d’architecture vers un réseau IA/ML</li><li>Protocoles au niveau applicatif</li><li>Fabrics convergés à haut débit</li><li>Conception de fabrics sans perte</li><li>Visibilité de la congestion</li><li>Préparation des données pour l’IA</li><li>Performances des données des charges de travail IA/ML</li><li>Matériel d’activation de l’IA</li><li>Ressources de calcul</li><li>Solutions de ressources de calcul</li><li>Ressources virtuelles</li><li>Ressources de stockage</li><li>Mise en place d’un cluster IA</li><li>Déployer et utiliser des modèles GPT open source pour le RAG</li><li>Exploitation et supervision de l’infrastructure IA</li><li>Dépannage de l’infrastructure IA</li><li>Dépannage des problèmes courants des fabrics IA/ML</li></ul><ul>
<li>Fondamentaux de l’IA</li><li>IA générative</li><li>Cas d’usage de l’IA</li><li>Clusters IA/ML et modèles</li><li>Outils IA — Jupyter Notebook</li><li>Infrastructure IA</li><li>Placement des charges de travail IA et interopérabilité</li><li>Politiques IA</li><li>Durabilité de l’IA</li><li>Conception de l’infrastructure IA</li><li>Défis réseau clés et exigences pour les charges de travail IA</li><li>Transport IA</li><li>Modèles de connectivité</li><li>Réseau IA</li><li>Migration d’architecture vers un réseau IA/ML</li><li>Protocoles au niveau applicatif</li><li>Fabrics convergés à haut débit</li><li>Conception de fabrics sans perte</li><li>Visibilité de la congestion</li><li>Préparation des données pour l’IA</li><li>Performances des données des charges de travail IA/ML</li><li>Matériel d’activation de l’IA</li><li>Ressources de calcul</li><li>Solutions de ressources de calcul</li><li>Ressources virtuelles</li><li>Ressources de stockage</li><li>Mise en place d’un cluster IA</li><li>Déployer et utiliser des modèles GPT open source pour le RAG</li><li>Exploitation et supervision de l’infrastructure IA</li><li>Dépannage de l’infrastructure IA</li><li>Dépannage des problèmes courants des fabrics IA/ML</li></ul>A l'issue de la formation, vous devrez être en mesure de :
- Décrire les concepts clés de l’intelligence artificielle, en se concentrant sur l’IA traditionnelle, l’apprentissage automatique (machine learning) et l’apprentissage profond (deep learning), ainsi que leurs applications
- Décrire l’IA générative, ses défis et ses tendances futures, tout en examinant les nuances entre les approches traditionnelles et modernes de l’IA
- Expliquer comment l’IA améliore la gestion et la sécurité des réseaux grâce à l’automatisation intelligente, à l’analytique prédictive et à la détection d’anomalies
- Décrire les concepts clés, l’architecture et les principes de gestion de base des clusters IA/ML, ainsi que le processus d’acquisition, d’ajustement fin (fine-tuning), d’optimisation et d’utilisation de modèles ML préentraînés
- Utiliser les capacités de Jupyter Lab et de l’IA générative pour automatiser les opérations réseau, écrire du code Python et exploiter des modèles d’IA afin d’améliorer la productivité
- Décrire les composants essentiels et les considérations nécessaires à la mise en place d’une infrastructure IA robuste
- Évaluer et mettre en œuvre des stratégies efficaces de placement des charges de travail et garantir l’interopérabilité au sein des systèmes IA
- Explorer les normes de conformité, les politiques et les cadres de gouvernance applicables aux systèmes d’IA
- Décrire les pratiques d’infrastructure IA durable, en mettant l’accent sur la durabilité environnementale et économique
- Orienter les décisions relatives à l’infrastructure IA afin d’optimiser l’efficacité et les coûts
- Décrire les principaux défis réseau du point de vue des exigences applicatives IA/ML
- Décrire le rôle des technologies optiques et cuivre dans la prise en charge des charges de travail IA/ML en centre de données
- Décrire les modèles de connectivité réseau et les conceptions réseau
- Décrire les protocoles importants de couche 2 et de couche 3 pour l’IA et le fog computing dans le cadre du traitement distribué de l’IA
- Migrer les charges de travail IA vers un réseau IA dédié
- Expliquer les mécanismes et le fonctionnement des protocoles RDMA et RoCE
- Comprendre l’architecture et les fonctionnalités des fabrics Ethernet haute performance
- Expliquer les mécanismes réseau et les outils de QoS nécessaires à la construction de réseaux RoCE sans perte et haute performance
- Décrire les mécanismes ECN et PFC, présenter Cisco Nexus Dashboard Insights pour la surveillance de la congestion, explorer l’impact des différentes phases des applications IA/ML sur l’infrastructure des centres de données, et inversement
- Présenter les étapes de base, les défis et les techniques liés au processus de préparation des données
- Utiliser Cisco Nexus Dashboard Insights pour surveiller les flux de trafic IA/ML
- Décrire l’importance du matériel spécifique à l’IA pour réduire les temps d’entraînement et prendre en charge les besoins avancés de traitement des tâches d’IA
- Comprendre le matériel de calcul requis pour exécuter des solutions IA/ML
- Comprendre les solutions d’intelligence et d’IA/ML existantes
- Décrire les options d’infrastructure virtuelle et les considérations associées lors du déploiement
- Expliquer les stratégies de stockage des données, les protocoles de stockage et le stockage défini par logiciel
- Utiliser NDFC pour configurer un fabric optimisé pour les charges de travail IA/ML
- Utiliser des modèles GPT hébergés localement avec le RAG pour des tâches d’ingénierie réseauIl n’existe aucun prérequis formel pour cette formation. Cependant, il est recommandé de disposer des connaissances et compétences suivantes avant d’y participer :
- Architecture et opérations de calcul Cisco UCS
- Gamme de commutateurs Cisco Nexus et leurs fonctionnalités
- Technologies cœur des centres de données
Ces compétences peuvent être acquises via les offres de formation Cisco suivantes :
- Implementing Cisco NX-OS Switches and Fabrics in the Data Center (DCNX)
- Cisco Data Center Nexus Dashboard Essentials (DCNDE)
- Implementing and Operating Cisco Data Center Core Technologies (DCCOR)- Concepteurs Réseau
- Administrateurs Réseau
- Administrateurs de Stockage
- Ingénieurs Réseau
- Ingénieurs Systèmes
- Ingénieurs de Centre de Données
- Ingénieurs Systèmes Conseil
- Architectes de Solutions Techniques
- Intégrateurs / Partenaires Cisco
- Ingénieurs Terrain
- Administrateurs Serveurs
- Responsables Réseau
- Responsables de Programme
- Chefs de Projet- Fondamentaux de l’IA
- IA générative
- Cas d’usage de l’IA
- Clusters IA/ML et modèles
- Outils IA — Jupyter Notebook
- Infrastructure IA
- Placement des charges de travail IA et interopérabilité
- Politiques IA
- Durabilité de l’IA
- Conception de l’infrastructure IA
- Défis réseau clés et exigences pour les charges de travail IA
- Transport IA
- Modèles de connectivité
- Réseau IA
- Migration d’architecture vers un réseau IA/ML
- Protocoles au niveau applicatif
- Fabrics convergés à haut débit
- Conception de fabrics sans perte
- Visibilité de la congestion
- Préparation des données pour l’IA
- Performances des données des charges de travail IA/ML
- Matériel d’activation de l’IA
- Ressources de calcul
- Solutions de ressources de calcul
- Ressources virtuelles
- Ressources de stockage
- Mise en place d’un cluster IA
- Déployer et utiliser des modèles GPT open source pour le RAG
- Exploitation et supervision de l’infrastructure IA
- Dépannage de l’infrastructure IA
- Dépannage des problèmes courants des fabrics IA/ML- Fondamentaux de l’IA
- IA générative
- Cas d’usage de l’IA
- Clusters IA/ML et modèles
- Outils IA — Jupyter Notebook
- Infrastructure IA
- Placement des charges de travail IA et interopérabilité
- Politiques IA
- Durabilité de l’IA
- Conception de l’infrastructure IA
- Défis réseau clés et exigences pour les charges de travail IA
- Transport IA
- Modèles de connectivité
- Réseau IA
- Migration d’architecture vers un réseau IA/ML
- Protocoles au niveau applicatif
- Fabrics convergés à haut débit
- Conception de fabrics sans perte
- Visibilité de la congestion
- Préparation des données pour l’IA
- Performances des données des charges de travail IA/ML
- Matériel d’activation de l’IA
- Ressources de calcul
- Solutions de ressources de calcul
- Ressources virtuelles
- Ressources de stockage
- Mise en place d’un cluster IA
- Déployer et utiliser des modèles GPT open source pour le RAG
- Exploitation et supervision de l’infrastructure IA
- Dépannage de l’infrastructure IA
- Dépannage des problèmes courants des fabrics IA/ML5 jours3885.004395.006065.004160.0044.0044.0044.0044.0044.0044.0044.0044.0044.0044.0044.00