AI Solutions on Cisco Infrastructure EssentialsDCAIECICiscoCI-DCAIE1.0<ul>
<li>Beschreibung von Schlüsselkonzepten der künstlichen Intelligenz mit Schwerpunkt auf traditioneller KI, maschinellem Lernen und Deep-Learning-Techniken und deren Anwendungen</li><li>Beschreiben Sie generative KI, ihre Herausforderungen und Zukunftstrends und untersuchen Sie dabei die Unterschiede zwischen traditionellen und modernen KI-Methoden.</li><li>Erläutern Sie, wie KI die Netzwerkverwaltung und -sicherheit durch intelligente Automatisierung, vorausschauende Analysen und die Erkennung von Anomalien verbessert.</li><li>Beschreibung der Schlüsselkonzepte, der Architektur und der grundlegenden Verwaltungsprinzipien von KI-ML-Clustern sowie des Prozesses der Beschaffung, der Feinabstimmung, der Optimierung und der Verwendung von vortrainierten ML-Modellen</li><li>Nutzen Sie die Möglichkeiten von Jupyter Lab und Generative AI, um Netzwerkoperationen zu automatisieren, Python-Code zu schreiben und KI-Modelle für eine höhere Produktivität zu nutzen.</li><li>Beschreiben Sie die wesentlichen Komponenten und Überlegungen für den Aufbau einer robusten KI-Infrastruktur</li><li>Bewertung und Umsetzung effektiver Strategien zur Platzierung von Arbeitslasten und Gewährleistung der Interoperabilität innerhalb von KI-Systemen</li><li>Untersuchung von Compliance-Standards, Richtlinien und Governance-Rahmenwerken, die für KI-Systeme relevant sind</li><li>Beschreibung nachhaltiger AI-Infrastrukturpraktiken mit Schwerpunkt auf ökologischer und wirtschaftlicher Nachhaltigkeit</li><li>Leiten Sie AI-Infrastrukturentscheidungen zur Optimierung von Effizienz und Kosten</li><li>Beschreiben Sie die wichtigsten Netzwerkherausforderungen aus der Perspektive der KI/ML-Anwendungsanforderungen</li><li>Beschreiben Sie die Rolle von optischen und Kupfertechnologien bei der Ermöglichung von AI/ML-Rechenzentrums-Workloads</li><li>Beschreiben von Netzwerkkonnektivitätsmodellen und Netzwerkdesigns</li><li>Beschreiben Sie wichtige Layer-2- und Layer-3-Protokolle für KI und Fog Computing für verteilte KI-Verarbeitung</li><li>Migrieren Sie KI-Workloads auf ein dediziertes KI-Netzwerk</li><li>Erläuterung der Mechanismen und Abläufe von RDMA- und RoCE-Protokollen</li><li>Verstehen der Architektur und der Funktionen von Hochleistungs-Ethernet-Fabrics</li><li>Erläuterung der Netzwerkmechanismen und QoS-Tools, die für den Aufbau leistungsstarker, verlustfreier RoCE-Netzwerke erforderlich sind</li><li>Beschreiben Sie ECN- und PFC-Mechanismen, stellen Sie Cisco Nexus Dashboard Insights für die Stauüberwachung vor und untersuchen Sie, wie sich verschiedene Stufen von KI/ML-Anwendungen auf die Infrastruktur von Rechenzentren auswirken und umgekehrt.</li><li>Einführung in die grundlegenden Schritte, Herausforderungen und Techniken des Datenaufbereitungsprozesses</li><li>Verwendung von Cisco Nexus Dashboard Insights zur Überwachung von AI/ML-Verkehrsströmen</li><li>Beschreiben Sie die Bedeutung von KI-spezifischer Hardware für die Verkürzung der Trainingszeiten und die Unterstützung der erweiterten Verarbeitungsanforderungen von KI-Aufgaben</li><li>Verständnis der für die Ausführung von KI/ML-Lösungen erforderlichen Computerhardware</li><li>Verstehen bestehender AI/ML-Lösungen</li><li>Beschreiben Sie die Optionen für virtuelle Infrastrukturen und ihre Überlegungen bei der Bereitstellung</li><li>Erläuterung von Datenspeicherstrategien, Speicherprotokollen und softwaredefiniertem Speicher</li><li>Verwenden Sie NDFC, um eine für AI/ML-Workloads optimierte Fabric zu konfigurieren.</li><li>Verwendung lokal gehosteter GPT-Modelle mit RAG für netztechnische Aufgaben</li></ul><p>Für diese Schulung gibt es keine Voraussetzungen. Es handelt sich um ein Grundlagentraining, das von Anfängern bis zu fortgeschrittenen Inhalten reicht. Vertrautheit mit Cisco Data Center Networking- und Computing-Lösungen ist von Vorteil, aber keine Voraussetzung. Es wird jedoch empfohlen, dass Sie über die folgenden Kenntnisse und Fähigkeiten verfügen, bevor Sie an dieser Schulung teilnehmen:</p>
<ul>
<li>Cisco UCS-Rechenarchitektur und -betrieb</li><li>Cisco Nexus-Switch-Portfolio und -Funktionen</li><li>Kerntechnologien für Rechenzentren</li></ul><p>Diese Fähigkeiten können in den folgenden Cisco-Lernangeboten erworben werden:
</p>
<ul>
<li><span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/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><li><span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/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></ul><ul>
<li>Netzwerk-Designer</li><li>Netzwerk-Administratoren</li><li>Speicherverwalter</li><li>Netzwerk-Ingenieure</li><li>Systemingenieure</li><li>Rechenzentrum-Ingenieure</li><li>Beratende Systemingenieure</li><li>Architekten für technische Lösungen</li><li>Cisco Integratoren/Partner</li><li>Aussendienst-Ingenieure</li><li>Server-Administratoren</li><li>Netzwerk-Manager</li><li>Program Managers</li><li>Projektleiter</li></ul><ul>
<li>Grundlagen der KI</li><li>Generative KI</li><li>AI-Anwendungsfälle</li><li>AI-ML-Cluster und -Modelle</li><li>AI-Werkzeugsatz Mastery - Jupyter Notebook</li><li>KI-Infrastruktur</li><li>AI-Workload-Platzierung und Interoperabilität</li><li>AI-Politiken</li><li>AI Nachhaltigkeit</li><li>AI-Infrastruktur-Design</li><li>Wichtige Netzwerk-Herausforderungen und Anforderungen für KI-Workloads</li><li>AI Transport</li><li>Konnektivitätsmodelle</li><li>AI-Netzwerk</li><li>Architektur Migration zu AI/ML Network</li><li>Protokolle auf Anwendungsebene</li><li>Konvergente Fabrics mit hohem Durchsatz</li><li>Aufbau verlustfreier Fabrics</li><li>Kongestive Sichtbarkeit</li><li>Datenaufbereitung für AI</li><li>AI/ML Workload Datenleistung</li><li>KI-aktivierende Hardware</li><li>Compute-Ressourcen</li><li>Compute Resource Lösungen</li><li>Virtuelle Ressourcen</li><li>Speicher-Ressourcen</li><li>Einrichten eines AI-Clusters</li><li>Einsatz und Nutzung von Open-Source-GPT-Modellen für die RAG</li></ul><p><em>Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/en/course/cisco-dcaie"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>hier</a></span>.</em></p>- Beschreibung von Schlüsselkonzepten der künstlichen Intelligenz mit Schwerpunkt auf traditioneller KI, maschinellem Lernen und Deep-Learning-Techniken und deren Anwendungen
- Beschreiben Sie generative KI, ihre Herausforderungen und Zukunftstrends und untersuchen Sie dabei die Unterschiede zwischen traditionellen und modernen KI-Methoden.
- Erläutern Sie, wie KI die Netzwerkverwaltung und -sicherheit durch intelligente Automatisierung, vorausschauende Analysen und die Erkennung von Anomalien verbessert.
- Beschreibung der Schlüsselkonzepte, der Architektur und der grundlegenden Verwaltungsprinzipien von KI-ML-Clustern sowie des Prozesses der Beschaffung, der Feinabstimmung, der Optimierung und der Verwendung von vortrainierten ML-Modellen
- Nutzen Sie die Möglichkeiten von Jupyter Lab und Generative AI, um Netzwerkoperationen zu automatisieren, Python-Code zu schreiben und KI-Modelle für eine höhere Produktivität zu nutzen.
- Beschreiben Sie die wesentlichen Komponenten und Überlegungen für den Aufbau einer robusten KI-Infrastruktur
- Bewertung und Umsetzung effektiver Strategien zur Platzierung von Arbeitslasten und Gewährleistung der Interoperabilität innerhalb von KI-Systemen
- Untersuchung von Compliance-Standards, Richtlinien und Governance-Rahmenwerken, die für KI-Systeme relevant sind
- Beschreibung nachhaltiger AI-Infrastrukturpraktiken mit Schwerpunkt auf ökologischer und wirtschaftlicher Nachhaltigkeit
- Leiten Sie AI-Infrastrukturentscheidungen zur Optimierung von Effizienz und Kosten
- Beschreiben Sie die wichtigsten Netzwerkherausforderungen aus der Perspektive der KI/ML-Anwendungsanforderungen
- Beschreiben Sie die Rolle von optischen und Kupfertechnologien bei der Ermöglichung von AI/ML-Rechenzentrums-Workloads
- Beschreiben von Netzwerkkonnektivitätsmodellen und Netzwerkdesigns
- Beschreiben Sie wichtige Layer-2- und Layer-3-Protokolle für KI und Fog Computing für verteilte KI-Verarbeitung
- Migrieren Sie KI-Workloads auf ein dediziertes KI-Netzwerk
- Erläuterung der Mechanismen und Abläufe von RDMA- und RoCE-Protokollen
- Verstehen der Architektur und der Funktionen von Hochleistungs-Ethernet-Fabrics
- Erläuterung der Netzwerkmechanismen und QoS-Tools, die für den Aufbau leistungsstarker, verlustfreier RoCE-Netzwerke erforderlich sind
- Beschreiben Sie ECN- und PFC-Mechanismen, stellen Sie Cisco Nexus Dashboard Insights für die Stauüberwachung vor und untersuchen Sie, wie sich verschiedene Stufen von KI/ML-Anwendungen auf die Infrastruktur von Rechenzentren auswirken und umgekehrt.
- Einführung in die grundlegenden Schritte, Herausforderungen und Techniken des Datenaufbereitungsprozesses
- Verwendung von Cisco Nexus Dashboard Insights zur Überwachung von AI/ML-Verkehrsströmen
- Beschreiben Sie die Bedeutung von KI-spezifischer Hardware für die Verkürzung der Trainingszeiten und die Unterstützung der erweiterten Verarbeitungsanforderungen von KI-Aufgaben
- Verständnis der für die Ausführung von KI/ML-Lösungen erforderlichen Computerhardware
- Verstehen bestehender AI/ML-Lösungen
- Beschreiben Sie die Optionen für virtuelle Infrastrukturen und ihre Überlegungen bei der Bereitstellung
- Erläuterung von Datenspeicherstrategien, Speicherprotokollen und softwaredefiniertem Speicher
- Verwenden Sie NDFC, um eine für AI/ML-Workloads optimierte Fabric zu konfigurieren.
- Verwendung lokal gehosteter GPT-Modelle mit RAG für netztechnische AufgabenFür diese Schulung gibt es keine Voraussetzungen. Es handelt sich um ein Grundlagentraining, das von Anfängern bis zu fortgeschrittenen Inhalten reicht. Vertrautheit mit Cisco Data Center Networking- und Computing-Lösungen ist von Vorteil, aber keine Voraussetzung. Es wird jedoch empfohlen, dass Sie über die folgenden Kenntnisse und Fähigkeiten verfügen, bevor Sie an dieser Schulung teilnehmen:
- Cisco UCS-Rechenarchitektur und -betrieb
- Cisco Nexus-Switch-Portfolio und -Funktionen
- Kerntechnologien für Rechenzentren
Diese Fähigkeiten können in den folgenden Cisco-Lernangeboten erworben werden:
- Implementing and Operating Cisco Data Center Core Technologies (DCCOR)
- Implementing Cisco NX-OS Switches and Fabrics in the Data Center (DCNX)- Netzwerk-Designer
- Netzwerk-Administratoren
- Speicherverwalter
- Netzwerk-Ingenieure
- Systemingenieure
- Rechenzentrum-Ingenieure
- Beratende Systemingenieure
- Architekten für technische Lösungen
- Cisco Integratoren/Partner
- Aussendienst-Ingenieure
- Server-Administratoren
- Netzwerk-Manager
- Program Managers
- Projektleiter- Grundlagen der KI
- Generative KI
- AI-Anwendungsfälle
- AI-ML-Cluster und -Modelle
- AI-Werkzeugsatz Mastery - Jupyter Notebook
- KI-Infrastruktur
- AI-Workload-Platzierung und Interoperabilität
- AI-Politiken
- AI Nachhaltigkeit
- AI-Infrastruktur-Design
- Wichtige Netzwerk-Herausforderungen und Anforderungen für KI-Workloads
- AI Transport
- Konnektivitätsmodelle
- AI-Netzwerk
- Architektur Migration zu AI/ML Network
- Protokolle auf Anwendungsebene
- Konvergente Fabrics mit hohem Durchsatz
- Aufbau verlustfreier Fabrics
- Kongestive Sichtbarkeit
- Datenaufbereitung für AI
- AI/ML Workload Datenleistung
- KI-aktivierende Hardware
- Compute-Ressourcen
- Compute Resource Lösungen
- Virtuelle Ressourcen
- Speicher-Ressourcen
- Einrichten eines AI-Clusters
- Einsatz und Nutzung von Open-Source-GPT-Modellen für die RAGDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.4 Tage3195.003495.004825.002990.003190.003190.003190.003190.003500.003190.004140.0035.0035.0035.0035.0035.0035.0035.0035.0035.0035.0035.00