-
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
-
- Vermittlung zentraler KI‑Konzepte, einschließlich klassischer KI, Machine Learning und Deep Learning, sowie deren praktische Einsatzgebiete.
- Darstellung von Generativer KI, ihren Herausforderungen, Trends und den Unterschieden zwischen traditionellen und modernen KI‑Methoden.
- Erklärung, wie KI Netzwerkmanagement und -sicherheit durch Automatisierung, Vorhersagen und Anomalieerkennung verbessert.
- Überblick über Architektur, Schlüsselprinzipien und Verwaltung von AI/ML‑Clustern sowie den Lebenszyklus vortrainierter Modelle (Erwerb, Feintuning, Optimierung, Einsatz).
- Nutzung von JupyterLab und GenAI zur Automatisierung von Netzwerkaufgaben, Python‑Programmierung und Effizienzsteigerung.
- Beschreibung der wesentlichen Bestandteile einer leistungsfähigen KI‑Infrastruktur und relevanter Planungsaspekte.
- Bewertung von Workload‑Platzierungsstrategien und Sicherstellung von Interoperabilität in KI‑Systemen.
- Überblick über Compliance‑Standards, Richtlinien und Governance‑Modelle im KI‑Umfeld.
- Einführung in nachhaltige KI‑Infrastruktur mit Fokus auf ökologischer und wirtschaftlicher Effizienz.
- Unterstützung bei Infrastrukturentscheidungen zur Optimierung von Leistung und Kosten.
- Darstellung netzwerkbezogener Herausforderungen aus Sicht von KI/ML‑Anwendungen.
- Rolle optischer und kupferbasierter Technologien für Data‑Center‑Workloads im KI‑Kontext.
- Beschreibung von Netzwerkdesigns, Konnektivitätsmodellen sowie relevanten Layer‑2/Layer‑3‑Protokollen für Distributed/Fog‑AI.
- Migration von KI‑Workloads in dedizierte KI‑Netzwerke.
- Erklärung der Funktionsweise von RDMA und RoCE für verlustarme Hochleistungsnetze.
- Verständnis von Architektur und Merkmalen leistungsstarker Ethernet‑Fabrics sowie notwendiger QoS‑Mechanismen.
- Einsatz von ECN und PFC, Nutzung von Cisco Nexus Dashboard Insights zur Engpassanalyse und Betrachtung der Wechselwirkungen zwischen KI‑Phasen und Data‑Center‑Infrastruktur.
- Vermittlung der grundlegenden Schritte und Herausforderungen der Datenvorbereitung.
- Monitoring von KI/ML‑Traffic über Cisco Nexus Dashboard Insights.
- Bedeutung spezialisierter KI‑Hardware zur Beschleunigung von Trainingsprozessen.
- Überblick über Compute‑Hardware, bestehende KI‑Lösungen und Virtualisierungsoptionen.
- Erklärung von Speicherstrategien, Protokollen und Software‑Defined Storage.
- Einsatz von NDFC zur Konfiguration KI‑optimierter Fabrics.
- Nutzung lokal gehosteter GPT‑Modelle mit 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
-
- 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
DCNAUTO – Automating Cisco Data Center Networking Solutions
DCAIE – AI Solutions on Cisco Infrastructure Essentials
DCAIAOT – Operate and Troubleshoot AI Solutions on Cisco Infrastructure
| 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 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
-
- Vermittlung zentraler KI‑Konzepte, einschließlich klassischer KI, Machine Learning und Deep Learning, sowie deren praktische Einsatzgebiete.
- Darstellung von Generativer KI, ihren Herausforderungen, Trends und den Unterschieden zwischen traditionellen und modernen KI‑Methoden.
- Erklärung, wie KI Netzwerkmanagement und -sicherheit durch Automatisierung, Vorhersagen und Anomalieerkennung verbessert.
- Überblick über Architektur, Schlüsselprinzipien und Verwaltung von AI/ML‑Clustern sowie den Lebenszyklus vortrainierter Modelle (Erwerb, Feintuning, Optimierung, Einsatz).
- Nutzung von JupyterLab und GenAI zur Automatisierung von Netzwerkaufgaben, Python‑Programmierung und Effizienzsteigerung.
- Beschreibung der wesentlichen Bestandteile einer leistungsfähigen KI‑Infrastruktur und relevanter Planungsaspekte.
- Bewertung von Workload‑Platzierungsstrategien und Sicherstellung von Interoperabilität in KI‑Systemen.
- Überblick über Compliance‑Standards, Richtlinien und Governance‑Modelle im KI‑Umfeld.
- Einführung in nachhaltige KI‑Infrastruktur mit Fokus auf ökologischer und wirtschaftlicher Effizienz.
- Unterstützung bei Infrastrukturentscheidungen zur Optimierung von Leistung und Kosten.
- Darstellung netzwerkbezogener Herausforderungen aus Sicht von KI/ML‑Anwendungen.
- Rolle optischer und kupferbasierter Technologien für Data‑Center‑Workloads im KI‑Kontext.
- Beschreibung von Netzwerkdesigns, Konnektivitätsmodellen sowie relevanten Layer‑2/Layer‑3‑Protokollen für Distributed/Fog‑AI.
- Migration von KI‑Workloads in dedizierte KI‑Netzwerke.
- Erklärung der Funktionsweise von RDMA und RoCE für verlustarme Hochleistungsnetze.
- Verständnis von Architektur und Merkmalen leistungsstarker Ethernet‑Fabrics sowie notwendiger QoS‑Mechanismen.
- Einsatz von ECN und PFC, Nutzung von Cisco Nexus Dashboard Insights zur Engpassanalyse und Betrachtung der Wechselwirkungen zwischen KI‑Phasen und Data‑Center‑Infrastruktur.
- Vermittlung der grundlegenden Schritte und Herausforderungen der Datenvorbereitung.
- Monitoring von KI/ML‑Traffic über Cisco Nexus Dashboard Insights.
- Bedeutung spezialisierter KI‑Hardware zur Beschleunigung von Trainingsprozessen.
- Überblick über Compute‑Hardware, bestehende KI‑Lösungen und Virtualisierungsoptionen.
- Erklärung von Speicherstrategien, Protokollen und Software‑Defined Storage.
- Einsatz von NDFC zur Konfiguration KI‑optimierter Fabrics.
- Nutzung lokal gehosteter GPT‑Modelle mit 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
-
- 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
DCNAUTO – Automating Cisco Data Center Networking Solutions
DCAIE – AI Solutions on Cisco Infrastructure Essentials
DCAIAOT – Operate and Troubleshoot AI Solutions on Cisco Infrastructure
| 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 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.
