آماده سازی گواهی زیرساخت و عملیات AI (NCA-AIIO) دارای گواهینامه NVIDIA

مدرس Packt Publishing

انتشار 2026/03/16

مدت زمان 4h 40m

سطح مناسب همه

فایل تمرینی دارد

آموزش NVIDIA Certified Associate AI Infrastructure and Operations (NCA-AIIO) Cert Prep

با این دوره جامع آمادگی برای صدور گواهینامه، برای گواهینامه زیرساخت و عملیات AI Associate Certified NVIDIA آماده شوید. مبانی هوش مصنوعی را کاوش کنید و در مورد عملکرد یک مرکز داده مبتنی بر هوش مصنوعی اطلاعاتی کسب کنید. درباره پشته فناوری NVIDIA، از جمله هسته‌های GPU، برنامه‌نویسی CUDA و شبکه‌های پیشرفته با InfiniBand و RDMA بیاموزید. از طریق ابزارهایی مانند NVIDIA SMI و DCGM، درک خود را از گردش‌های کاری هوش مصنوعی، آموزش مدل‌سازی و استنتاج ایجاد کنید و بر استراتژی‌های عملیاتی و مدیریتی مسلط شوید. درک خود را از راه حل های مبتنی بر هوش مصنوعی افزایش دهید و مهارت های عملی قابل استفاده برای استقرار هوش مصنوعی در مقیاس جهانی را به دست آورید. این دوره که برای تکنسین های مرکز داده، مهندسان DevOps، مدیران فناوری اطلاعات و معماران راه حل طراحی شده است، پایه ای محکم از دانش و مهارت را برای افرادی که آماده شرکت در آزمون گواهینامه NVIDIA هستند ایجاد می کند. این دوره توسط Packt Publishing ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

Data Centers NVIDIA AI

Introduction

Introduction ()

1. Certification Details

NVIDIA certifications ()

Topics covered in certification ()

2. Module 1—Fundamentals

Drivers of AI evolution ()

AI use cases across industries ()

AI, ML, DL, Gen AI ()

Analogy for AI, ML, DL, Gen AI ()

Transformer model ()

3. Module 2—Inside an AI-Centric Data Center

Inside an AI-centric data center ()

Power usage effectiveness (PUE) ()

The compute power ()

CPU and GPU ()

CPU vs. GPU: Architectural difference ()

Beyond Moore's Law ()

Data processing unit (DPU) ()

Network inside an AI-centric data center ()

Network fabric ()

Ethernet vs. InfiniBand ()

Converged Ethernet (CE) ()

Storage inside an AI-centric data center ()

Cloud vs. on-prem ()

4. Module 3—NVIDIA Technology Stack

NVIDIA: Powering AI GPU innovation ()

NVIDIA technology stack ()

Layer 1: Physical layer ()

GPU on a graphics card ()

DGX platform ()

DGX SuperPOD ()

ConnectX ()

BlueField DPUs ()

NVIDIA reference architectures ()

Understanding GPU cores ()

Comparing GPU cores ()

NVIDIA DGX platform: Timeline ()

DGX platform: Deployment options ()

DGX A100 vs. H100 ()

Layer 2: Data movement and I/O acceleration ()

NVLink ()

InfiniBand ()

InfiniBand vs. Ethernet ()

DMA and RDMA ()

GPUDirect RDMA ()

GPUDirect storage ()

Quick comparison ()

Layer 3: OS, driver, and virtualization ()

GPU drivers ()

GPU virtualization ()

vGPU vs. MIG, part 1 ()

vGPU vs. MIG, part 2 ()

Layer 4: Core libraries ()

Compute unified device architecture (CUDA) ()

Installing CUDA ()

NVIDIA collective communications library (NCCL) ()

NVLink, NVSwitch, PCIe, RDMA vs. NCCL ()

Layer 5: Monitoring and management ()

NVIDIA-SMI ()

Data Center GPU Manager (DCGM) ()

Base Command Manager ()

Which one to use? ()

Layer 6: Applications and vertical solutions ()

Summary ()

NVIDIA AI Enterprise ()

NVIDIA AI Factory ()

5. Module 4—AI Workflows

AI workflows ()

ML frameworks ()

The NVIDIA differentiator ()

Model training vs. model inference ()

Job scheduling vs. container orchestration ()

Slurm vs. Kubernetes ()

NVIDIA integration ()

ML Ops: Analogy ()

Why ML Ops? ()

NVIDIA tools supporting ML Ops ()

Ex_Files_NVIDIA_Certified_Associate.zip (76 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.