NetApp Certified AI Expert 

この試験は、AIワークロード向けのインフラ構築に関する知識を習得し、AIに関する技術に6～12カ月携わった経験がある技術担当者を対象としています。

この試験では、以下に関する知識が求められます。

• NetAppのAIソリューション、AIの概念、AIのライフサイクル、AIソフトウェアとハードウェアのアーキテクチャ、および一般的な課題についての理解。

ドメイン1：AIの概要（15%）

• トレーニングと推論のスキルを実証する
  • トレーニング、推論、予測
• 機械学習のメリットについて説明する
  • AI、機械学習、ディープ ラーニング
• 各アルゴリズム タイプの用途を区別する
  • 教師あり、教師なし、強化
• さまざまな業界でのAIの活用方法を説明する
  • デジタル ツイン、エージェント、医療
• AI、ハイパフォーマンス コンピューティング、分析の統合について説明する
  • 同じインフラをAI、HPC、分析に活用する
• オンプレミス、クラウド、エッジでのAIの用途を判断する
  • メリット、リスク

ドメイン2：AIのライフサイクル（27%）

• 予測AIと生成AIの違いを見分ける
  • 業界での予測AIと生成AIの活用方法
• 予測AIの影響について説明する
  • 分類、ニューラル ネットワーク、強化、好みの判断
• 生成AIによるテキスト、画像、ビデオ、意思決定が及ぼす影響について説明する
  • トランスフォーマー モデル、ハルシネーション、検索拡張生成（RAG）とファインチューニングの違い
• NetAppのツールでデータ集約、データ クレンジング、データ モデリングを実現する方法を確認する
  • BlueXP分類サービス、XCP、CopySync
• モデル生成に必要な要件を特定する
  • データ、コード、コンピューティングと時間、シナリオ
• モデル構築モデルとファインチューニング モデルの違いを比較する
  • モデル構築 = データ、コード：ファインチューニング = 既存のモデル、データ、コード
• 推論に必要な要件を特定する
  • メモリへのモデルのロード（モデル サイズ）、検索拡張生成（RAG）、またはその他のデータ ルックアップ（エージェント）、NetAppデータ モビリティ ソリューション

ドメイン3：AIソフトウェア アーキテクチャ（18%）

• AI MLOps / LLMOpsエコシステムと一般的な用途について説明する
  • AWS Sagemaker、Google VertexAI、Microsoft AzureML、Domino Data Labs、RunAI、MLflow、KubeFlow、TensorFlow Extendedの概要
• Jupyter Notebookとパイプラインの違いを区別する
  • Notebookは実験用、パイプラインは反復開発用（本番環境）
• NetApp DataOps Toolkitの仕組みを説明する
  • Python、Kubernetesとスタンドアロンの違い、NetApp DataOps Toolkitが提供する基本機能
• Kubernetesを使用してAIワークロードを大規模に実行できることを実証する
  • Trident
• BlueXPソフトウェア ツールを使用したAIソリューションの構築について説明する
  • 生成AIツールキット、ワークロード ファクトリ、生成AIでプライベート データを安全に使用する方法

ドメイン4：AIハードウェア アーキテクチャ（18%）

• データ集約トポロジについて説明する
  • ウェアハウス、データ レイク、レイクハウス
• AIワークロードで使用されるコンピューティング アーキテクチャについて説明する
  • CPU、GPU - NVIDIA、TPU、FPGA
• AIワークロードで使用されるネットワーク アーキテクチャについて説明する
  • イーサネットとInfinibandの違い、RDMAとGPUDirect Storageの関連性
• AIワークロードで使用されるストレージ アーキテクチャを特定する
  • Cシリーズ、Aシリーズ、EFシリーズ、StorageGRID
• さまざまなプロトコルのユースケースを特定する
  • ファイル、オブジェクト、並列ファイルシステム、POSIX、ホストにインストールしたクライアントなど（ファイルとオブジェクト、またはその両方）。ファイル データをオブジェクトベースのサービス（クラウドとオンプレミス）に統合して分析に使用する
• NetAppを使用したSuperPODアーキテクチャのメリットを特定する
  • Eシリーズ、BeeGFS、エンタープライズ データとの統合
• BasePodアーキテクチャとOVXアーキテクチャのユースケースを説明する
  • AIPod、FlexPod AI、OVX

ドメイン5：AIに関する一般的な課題（22%）

• トレーニングと推論のワークロード向けにストレージとコンピューティングをサイジングする方法を決定する
  • CシリーズとAシリーズの比較：GPUのメモリとチップ アーキテクチャ
• コード、データ、モデルのトレーサビリティのソリューションについて説明する
  • Snapshotとクローニング
• AIワークロードのデータにアクセスして移動する方法を説明する
  • SnapMirrorとFlexCache。XCP、バックアップとリカバリ、CopySync
• コストを最適化するソリューションについて説明する
  • Storage Efficiency、FabricPool、FlexCache、SnapMirror、データインフラに関する分析情報、Keystone
• AIワークロード向けのストレージを保護するソリューションについて説明する
  • 不正なデータ = 不正なAI：自律型ランサムウェア対策、マルチ管理者検証
• AIワークロードでパフォーマンスを最大化するソリューションについて説明する
  • GPUを最大限に活用する方法、特定のワークロードやアーキテクチャに対するNetApp製品の位置付け