-
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
-
- Grundlagen von KI, Machine Learning, Deep Learning und Generativer KI inklusive Einsatzszenarien, Trends und Herausforderungen
- Einsatz von KI für Netzwerkautomatisierung, Sicherheitsanalysen, Anomalieerkennung und vorausschauendes Management
- Aufbau, Architektur und Betrieb von AI/ML-Clustern sowie Lebenszyklus von KI-Modellen von der Beschaffung bis zum produktiven Einsatz
- Nutzung von JupyterLab, GenAI und Python zur Automatisierung und Optimierung von Netzwerkaufgaben
- Planung und Design leistungsfähiger KI-Infrastrukturen unter Berücksichtigung von Performance, Skalierbarkeit und Kosten
- Workload-Platzierung, Interoperabilität sowie Governance-, Compliance- und Sicherheitsanforderungen in KI-Umgebungen
- Konzepte für nachhaltige KI-Infrastrukturen mit Fokus auf Energieeffizienz und Wirtschaftlichkeit
- Netzwerkanforderungen von KI-/ML-Anwendungen und deren Auswirkungen auf Rechenzentrumsarchitekturen
- Einsatz optischer und kupferbasierter Netzwerktechnologien für KI-Workloads
- Netzwerkdesigns, Konnektivitätsmodelle sowie Layer-2-/Layer-3-Protokolle für Distributed- und Fog-AI-Umgebungen
- Migration und Betrieb von KI-Workloads in dedizierten KI-Netzwerken
- RDMA, RoCE, Ethernet-Fabrics, QoS, ECN und PFC zur Optimierung verlustarmer Hochleistungsnetzwerke
- Analyse und Monitoring von KI-/ML-Traffic mit Cisco Nexus Dashboard Insights inklusive Engpass- und Performance-Analysen
- Datenvorbereitung, Datenmanagement und typische Herausforderungen in KI-Projekten
- Überblick über KI-Beschleuniger, Compute-Plattformen, bestehende KI-Lösungen und Virtualisierungstechnologien
- Speicherarchitekturen, Protokolle und Software-Defined Storage für KI-Infrastrukturen
- Konfiguration KI-optimierter Netzwerk-Fabrics mit Cisco NDFC
- Nutzung lokal gehosteter GPT-Modelle und Retrieval-Augmented Generation (RAG) zur Unterstützung von Netzwerk-Engineering-Aufgaben
Sie erhalten die englischen Original-Unterlagen als Cisco E-Book.
-
Zielgruppe
-
Die Schulung vermittelt Fachkräften die erforderlichen Kenntnisse, um KI-Workloads in modernen Data-Center-Umgebungen zu unterstützen, zu sichern und zu optimieren.
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:
-
Kursziel
-
Der Kurs vermittelt die Fähigkeiten zur Planung, Absicherung, Überwachung und Optimierung von KI-Infrastrukturen und KI-Workloads. Die Teilnehmer lernen den praktischen Einsatz von KI/ML und Generativer KI im Netzwerkbetrieb kennen und bereiten sich gezielt auf die Prüfung 300-640 DCAI 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
-
DCAIE – AI Solutions on Cisco Infrastructure Essentials
DCAIAOT – Operate and Troubleshoot AI Solutions on Cisco Infrastructure
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
DCNAUTO – Automating Cisco Data Center Networking Solutions
| Course Outline |
| Fundamentals of AI |
| Generative AI |
| AI Use Cases |
| AI-ML Clusters and Models |
| AI Toolset—Jupyter Notebook |
| AI Infrastructure |
| AI Workloads Placement and Interoperability |
| AI Policies |
| AI Sustainability |
| AI Infrastructure Design |
| Key Network Challenges and Requirements for AI Workloads |
| AI Transport |
| Connectivity Models |
| AI Network |
| Architecture Migration to AI/ML Network |
| Application-Level Protocols |
| High-Throughput Converged Fabrics |
| Building Lossless Fabrics |
| Congestion Visibility |
| Data Preparation for AI |
| AI/ML Workload Data Performance |
| AI-Enabling Hardware |
| Compute Resources |
| Compute Resource Solutions |
| Virtual Resources |
| Storage Resources |
| Setting Up AI Cluster |
| Deploy and Use Open Source GPT Models for RAG |
| AI Infrastructure Operations and Monitoring |
| Troubleshooting AI Infrastructure |
| Troubleshoot Common Issues in AI/ML Fabric |
| Lab Outline |
| AI Toolset—Jupyter Notebook |
| AI/ML Workload Data Performance |
| Setting Up AI Cluster |
| Deploy and Use Open Source GPT Models for RAG |
| Troubleshoot Common Issues in AI/ML Fabric |
Zertifizierung zum Cisco Data Center AI Infrastructure Specialist
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!
-
Hybrid Training
- Hybrid Training bedeutet, dass zusätzliche Online-Teilnehmer an einem Präsenzkurs teilnehmen können. Die Dynamik eines realen Kurses bleibt erhalten, wovon besonders auch die Online-Teilnehmer profitieren. Als Online-Teilnehmer eines Hybrid-Kurses nutzen Sie eine Collaboration-Plattform wie WebEx Training Center oder Saba Meeting. Dazu wird nur ein PC mit Browser und Internet-Anschluss benötigt, ein Headset und idealerweise eine Webcam. Im Kursraum setzen wir speziell entwickelte und angepasste hochwertige Audio- und Videotechnik ein. Sie sorgt dafür, dass die Kommunikation zwischen allen Beteiligten angenehm und störungsfrei funktioniert.
-
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.
-
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
-
- Grundlagen von KI, Machine Learning, Deep Learning und Generativer KI inklusive Einsatzszenarien, Trends und Herausforderungen
- Einsatz von KI für Netzwerkautomatisierung, Sicherheitsanalysen, Anomalieerkennung und vorausschauendes Management
- Aufbau, Architektur und Betrieb von AI/ML-Clustern sowie Lebenszyklus von KI-Modellen von der Beschaffung bis zum produktiven Einsatz
- Nutzung von JupyterLab, GenAI und Python zur Automatisierung und Optimierung von Netzwerkaufgaben
- Planung und Design leistungsfähiger KI-Infrastrukturen unter Berücksichtigung von Performance, Skalierbarkeit und Kosten
- Workload-Platzierung, Interoperabilität sowie Governance-, Compliance- und Sicherheitsanforderungen in KI-Umgebungen
- Konzepte für nachhaltige KI-Infrastrukturen mit Fokus auf Energieeffizienz und Wirtschaftlichkeit
- Netzwerkanforderungen von KI-/ML-Anwendungen und deren Auswirkungen auf Rechenzentrumsarchitekturen
- Einsatz optischer und kupferbasierter Netzwerktechnologien für KI-Workloads
- Netzwerkdesigns, Konnektivitätsmodelle sowie Layer-2-/Layer-3-Protokolle für Distributed- und Fog-AI-Umgebungen
- Migration und Betrieb von KI-Workloads in dedizierten KI-Netzwerken
- RDMA, RoCE, Ethernet-Fabrics, QoS, ECN und PFC zur Optimierung verlustarmer Hochleistungsnetzwerke
- Analyse und Monitoring von KI-/ML-Traffic mit Cisco Nexus Dashboard Insights inklusive Engpass- und Performance-Analysen
- Datenvorbereitung, Datenmanagement und typische Herausforderungen in KI-Projekten
- Überblick über KI-Beschleuniger, Compute-Plattformen, bestehende KI-Lösungen und Virtualisierungstechnologien
- Speicherarchitekturen, Protokolle und Software-Defined Storage für KI-Infrastrukturen
- Konfiguration KI-optimierter Netzwerk-Fabrics mit Cisco NDFC
- Nutzung lokal gehosteter GPT-Modelle und Retrieval-Augmented Generation (RAG) zur Unterstützung von Netzwerk-Engineering-Aufgaben
Sie erhalten die englischen Original-Unterlagen als Cisco E-Book.
-
Zielgruppe
-
Die Schulung vermittelt Fachkräften die erforderlichen Kenntnisse, um KI-Workloads in modernen Data-Center-Umgebungen zu unterstützen, zu sichern und zu optimieren.
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:
-
Kursziel
-
Der Kurs vermittelt die Fähigkeiten zur Planung, Absicherung, Überwachung und Optimierung von KI-Infrastrukturen und KI-Workloads. Die Teilnehmer lernen den praktischen Einsatz von KI/ML und Generativer KI im Netzwerkbetrieb kennen und bereiten sich gezielt auf die Prüfung 300-640 DCAI 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
-
DCAIE – AI Solutions on Cisco Infrastructure Essentials
DCAIAOT – Operate and Troubleshoot AI Solutions on Cisco Infrastructure
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
DCNAUTO – Automating Cisco Data Center Networking Solutions
| Course Outline |
| Fundamentals of AI |
| Generative AI |
| AI Use Cases |
| AI-ML Clusters and Models |
| AI Toolset—Jupyter Notebook |
| AI Infrastructure |
| AI Workloads Placement and Interoperability |
| AI Policies |
| AI Sustainability |
| AI Infrastructure Design |
| Key Network Challenges and Requirements for AI Workloads |
| AI Transport |
| Connectivity Models |
| AI Network |
| Architecture Migration to AI/ML Network |
| Application-Level Protocols |
| High-Throughput Converged Fabrics |
| Building Lossless Fabrics |
| Congestion Visibility |
| Data Preparation for AI |
| AI/ML Workload Data Performance |
| AI-Enabling Hardware |
| Compute Resources |
| Compute Resource Solutions |
| Virtual Resources |
| Storage Resources |
| Setting Up AI Cluster |
| Deploy and Use Open Source GPT Models for RAG |
| AI Infrastructure Operations and Monitoring |
| Troubleshooting AI Infrastructure |
| Troubleshoot Common Issues in AI/ML Fabric |
| Lab Outline |
| AI Toolset—Jupyter Notebook |
| AI/ML Workload Data Performance |
| Setting Up AI Cluster |
| Deploy and Use Open Source GPT Models for RAG |
| Troubleshoot Common Issues in AI/ML Fabric |
Zertifizierung zum Cisco Data Center AI Infrastructure Specialist
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!
-
Hybrid Training
- Hybrid Training bedeutet, dass zusätzliche Online-Teilnehmer an einem Präsenzkurs teilnehmen können. Die Dynamik eines realen Kurses bleibt erhalten, wovon besonders auch die Online-Teilnehmer profitieren. Als Online-Teilnehmer eines Hybrid-Kurses nutzen Sie eine Collaboration-Plattform wie WebEx Training Center oder Saba Meeting. Dazu wird nur ein PC mit Browser und Internet-Anschluss benötigt, ein Headset und idealerweise eine Webcam. Im Kursraum setzen wir speziell entwickelte und angepasste hochwertige Audio- und Videotechnik ein. Sie sorgt dafür, dass die Kommunikation zwischen allen Beteiligten angenehm und störungsfrei funktioniert.
-
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.
