آمادگی آزمون گواهینامه NVIDIA Certified Associate AI Infrastructure and Operations (NCA-AIIO) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

1. جزئیات گواهینامه 1. Certification Details

• گواهینامه‌های NVIDIA NVIDIA certifications

• مباحث پوشش داده شده در گواهینامه Topics covered in certification

2. ماژول 1—مبانی 2. Module 1—Fundamentals

• مفاهیم AI, ML, DL, Gen AI AI, ML, DL, Gen AI

• مدل ترنسفورمر (Transformer) Transformer model

• شباهت‌های AI, ML, DL, Gen AI Analogy for AI, ML, DL, Gen AI

• موارد استفاده از AI در صنایع مختلف AI use cases across industries

• عوامل تکامل هوش مصنوعی Drivers of AI evolution

3. ماژول 2—داخل یک دیتاسنتر متمرکز بر هوش مصنوعی 3. Module 2—Inside an AI-Centric Data Center

• ابر (Cloud) در مقابل محلی (On-prem) Cloud vs. on-prem

• اثربخشی مصرف توان (PUE) Power usage effectiveness (PUE)

• اترتنت در مقابل InfiniBand Ethernet vs. InfiniBand

• قدرت پردازشی The compute power

• نگاهی به داخل دیتاسنتر متمرکز بر AI Inside an AI-centric data center

• ذخیره‌سازی در دیتاسنترهای متمرکز بر AI Storage inside an AI-centric data center

• فراتر از قانون مور Beyond Moore's Law

• شبکه در دیتاسنتر متمرکز بر AI Network inside an AI-centric data center

• واحد پردازش داده (DPU) Data processing unit (DPU)

• مقایسه CPU و GPU CPU and GPU

• ساختار شبکه (Network Fabric) Network fabric

• تفاوت معماری CPU در مقابل GPU CPU vs. GPU: Architectural difference

• اترتنت همگرا (CE) Converged Ethernet (CE)

4. ماژول 3—پشته فناوری NVIDIA 4. Module 3—NVIDIA Technology Stack

• پلتفرم NVIDIA DGX: خط زمانی NVIDIA DGX platform: Timeline

• تکنولوژی InfiniBand InfiniBand

• کدام یک را انتخاب کنیم؟ Which one to use?

• خلاصه Summary

• لایه 2: جابجایی داده‌ها و شتاب‌دهی I/O Layer 2: Data movement and I/O acceleration

• نصب CUDA Installing CUDA

• سرویس NVIDIA AI Enterprise NVIDIA AI Enterprise

• تکنولوژی ConnectX ConnectX

• مقایسه سریع Quick comparison

• معماری‌های مرجع NVIDIA NVIDIA reference architectures

• پلتفرم DGX DGX platform

• واحد‌های BlueField DPU BlueField DPUs

• مفاهیم DMA و RDMA DMA and RDMA

• لایه 1: لایه فیزیکی Layer 1: Physical layer

• لایه 5: نظارت و مدیریت Layer 5: Monitoring and management

• مدیریت Base Command Base Command Manager

• لایه 4: کتابخانه‌های اصلی Layer 4: Core libraries

• مقایسه DGX A100 در مقابل H100 DGX A100 vs. H100

• مقایسه vGPU و MIG (بخش دوم) vGPU vs. MIG, part 2

• معماری دستگاه یکپارچه پردازشی (CUDA) Compute unified device architecture (CUDA)

• سیستم DGX SuperPOD DGX SuperPOD

• تکنولوژی GPUDirect RDMA GPUDirect RDMA

• درک هسته‌های GPU Understanding GPU cores

• ابزار NVIDIA SMI NVIDIA-SMI

• مجازی‌سازی GPU GPU virtualization

• کتابخانه ارتباطات جمعی NVIDIA (NCCL) NVIDIA collective communications library (NCCL)

• ذخیره‌سازی GPUDirect GPUDirect storage

• مقایسه vGPU و MIG (بخش اول) vGPU vs. MIG, part 1

• انویدیا: پیشران نوآوری در GPUهای AI NVIDIA: Powering AI GPU innovation

• مقایسه InfiniBand در مقابل Ethernet InfiniBand vs. Ethernet

• تکنولوژی NVLink NVLink

• پردازنده گرافیکی روی کارت گرافیک GPU on a graphics card

• کارخانه هوش مصنوعی NVIDIA (AI Factory) NVIDIA AI Factory

• پشته فناوری NVIDIA NVIDIA technology stack

• مقایسه هسته‌های GPU Comparing GPU cores

• لایه 3: سیستم‌عامل، درایور و مجازی‌سازی Layer 3: OS, driver, and virtualization

• لایه 6: اپلیکیشن‌ها و راهکارهای عمودی Layer 6: Applications and vertical solutions

• مقایسه NVLink, NVSwitch, PCIe, RDMA در مقابل NCCL NVLink, NVSwitch, PCIe, RDMA vs. NCCL

• پلتفرم DGX: گزینه‌های استقرار DGX platform: Deployment options

• مدیریت GPU دیتاسنتر (DCGM) Data Center GPU Manager (DCGM)

• درایورهای GPU GPU drivers

5. ماژول 4—جریان‌های کاری AI 5. Module 4—AI Workflows

• فریم‌ورک‌های ML ML frameworks

• زمان‌بندی Job در مقابل ارکستراسیون کانتینر Job scheduling vs. container orchestration

• ابزارهای NVIDIA پشتیبان ML Ops NVIDIA tools supporting ML Ops

• یکپارچه‌سازی NVIDIA NVIDIA integration

• مزایای رقابتی NVIDIA The NVIDIA differentiator

• شباهت‌های ML Ops ML Ops: Analogy

• جریان‌های کاری AI AI workflows

• آموزش مدل در مقابل استنتاج مدل Model training vs. model inference

• چرا ML Ops؟ Why ML Ops?

• مقایسه Slurm در مقابل Kubernetes Slurm vs. Kubernetes