DCAI

Die Schulung „Implementing Cisco Data Center AI Infrastructure (DCAI)“ vermittelt Fachkräften die erforderlichen Kenntnisse, um KI-Workloads in modernen Data-Center-Umgebungen zu unterstützen, zu sichern und zu optimieren. Dieses umfassende Training befasst sich eingehend mit den besonderen Merkmalen von KI-/ML-Anwendungen, deren Einfluss auf die Infrastrukturplanung und Best Practices für die automatisierte Bereitstellung. Die Teilnehmer erwerben fundierte Kenntnisse über Sicherheitsaspekte bei KI-Implementierungen und beherrschen Day-2-Operationen, einschließlich Überwachung und fortgeschrittener Fehlerbehebungstechniken wie Log-Korrelation und Telemetrieanalyse. Durch praktische Erfahrungen, einschließlich der praktischen Anwendung von Tools wie Splunk, werden die Lernenden darauf vorbereitet, Probleme in KI/ML-fähigen Rechenzentren effizient zu überwachen, zu diagnostizieren und zu lösen, um eine optimale Verfügbarkeit und Leistung für kritische Unternehmens-Workloads sicherzustellen. 

Diese Schulung bereitet Sie auf die Prüfung 300-640 DCAI vor. Bei erfolgreichem Abschluss erhalten Sie die Zertifizierung „Cisco Certified Specialist – Data Center AI Infrastructure“ und erfüllen die Anforderungen der Spezialisierungsprüfung für die Zertifizierung „Cisco Certified Network Professional (CCNP) Data Center“.

Kursinhalt

• Describe key concepts in artificial intelligence, focusing on traditional AI, machine learning, and deep learning techniques and their applications 
• Describe generative AI, its challenges, and future trends, while examining the nuances between traditional and modern AI methodologies 
• Explain how AI enhances network management and security through intelligent automation, predictive analytics, and anomaly detection 
• Describe the key concepts, architecture, and basic management principles of AI-ML clusters, as well as describe the process of acquiring, fine-tuning, optimizing and using pre-trained ML models 
• Use the capabilities of Jupyter Lab and Generative AI to automate network operations, write Python code, and leverage AI models for enhanced productivity 
• Describe the essential components and considerations for setting up robust AI infrastructure 
• Evaluate and implement effective workload placement strategies and ensure interoperability within AI systems 
• Explore compliance standards, policies, and governance frameworks relevant to AI systems 
• Describe sustainable AI infrastructure practices, focusing on environmental and economic sustainability 
• Guide AI infrastructure decisions to optimize efficiency and cost 
• Describe key network challenges from the perspective of AI/ML application requirements 
• Describe the role of optical and copper technologies in enabling AI/ML data center workloads 
• Describe network connectivity models and network designs 
• Describe important Layer 2 and Layer 3 protocols for AI and fog computing for Distributed AI processing 
• Migrate AI workloads to dedicated AI network 
• Explain the mechanisms and operations of RDMA and RoCE protocols 
• Understand the architecture and features of high-performance Ethernet fabrics 
• Explain the network mechanisms and QoS tools needed for building high-performance, lossless RoCE networks 
• Describe ECN and PFC mechanisms, introduce Cisco Nexus Dashboard Insights for congestion monitoring, explore how different stages of AI/ML applications impact data center infrastructure, and vice versa 
• Introduce the basic steps, challenges, and techniques regarding the data preparation process 
• Use Cisco Nexus Dashboard Insights for monitoring AI/ML traffic flows 
• Describe the importance of AI-specific hardware in reducing training times and supporting the advanced processing requirements of AI tasks 
• Understand the compute hardware required to run AI/ML solutions 
• Understand existing intelligence and AI/ML solutions 
• Describe virtual infrastructure options and their considerations when deploying 
• Explain data storage strategies, storage protocols, and software-defined storage 
• Use NDFC to configure a fabric optimized for AI/ML workloads 
• Use locally hosted GPT models with RAG for network engineering tasks

Sie erhalten die englischen Original-Unterlagen als Cisco E-Book.

Zielgruppe

• Network Designers 
• Network Administrators 
• Storage Administrators 
• Network Engineers 
• Systems Engineers 
• Data Center Engineers 
• Consulting Systems Engineers 
• Technical Solutions Architects 
• Cisco Integrators/Partners 
• Field Engineers 
• Server Administrators 
• Network Managers 
• Program Managers 
• Project Managers 

Voraussetzungen

Für diese Schulung gibt es keine Voraussetzungen. Es wird jedoch empfohlen, dass Sie vor der Teilnahme an dieser Schulung über folgende Kenntnisse und Fähigkeiten verfügen:

• Cisco UCS-Rechnerarchitektur und -Betrieb
• Cisco Nexus-Switch-Portfolio und -Funktionen
• Kerntechnologien für Rechenzentren

Diese Fähigkeiten können Sie in den folgenden Cisco-Schulungsangeboten erwerben: 

• Introducing Cisco Unified Computing Systems (DCIUCS)
• Implementing Cisco NX-OS Switches and Fabrics in the Data Center (DCNX)
• Implementing Cisco Data Center Core Technologies (DCCOR)
• Cisco Data Center Nexus Dashboard Essentials (DCNDE)

Kursziel

• Erwerben Sie umfassende Fähigkeiten zur Unterstützung, Sicherung und Optimierung von KI-Workloads in modernen Rechenzentrumsumgebungen.
• Verstehen Sie das Design, die Implementierung und die erweiterte Fehlerbehebung von KI-Infrastrukturen, einschließlich Netzwerkherausforderungen und spezialisierter Hardware.
• Erwerben Sie fundierte Kenntnisse über KI-/ML-Konzepte, generative KI und deren praktische Anwendung im Netzwerkmanagement und in der Automatisierung.
• Wenden Sie praktische Techniken zur Überwachung, Diagnose und Behebung von Problemen an, nutzen Sie Tools wie Splunk und setzen Sie KI ein, um die Produktivität im Netzwerkbetrieb zu steigern.
• Bereiten Sie sich auf die Prüfung 300-640 DCAI v1.0 vor. 

Alternativen

Diese Schulung kombiniert Inhalte aus den Schulungen Operate and Troubleshoot AI Solutions on Cisco Infrastructure (DCAIAOT) and AI Solutions on Cisco Infrastructure Essentials (DCAIE).

Ergänzende und aufbauende Kurse

DCCOR – Implementing and Operating Cisco Data Center Core Technologies
DCID – Designing Cisco Data Center Infrastructure
DCIT – Troubleshooting Cisco Data Center Infrastructure
DCACI – Implementing Cisco Application Centric Infrastructure
DCAUI – Implementing Automation for Cisco Data Center Solutions
DCAIE – AI Solutions on Cisco Infrastructure Essentials
DCAIAOT – Operate and Troubleshoot AI Solutions on Cisco Infrastructure

Interessieren Sie sich für eine Zertifizierung? Dieser Kurs ist Bestandteil der folgenden Zertifizierung(en):

Zertifizierung zum CCNP Data Center Zertifizierung

Classroom Training

Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!

Online Training

Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.

Inhouse-Schulung

Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.