NetApp Certified AI Expert 

이 시험은 AI 워크로드를 위한 인프라 구축 영역에 관한 지식을 습득하고 6~12개월의 AI 기술 경험이 있는 기술 전문가를 대상으로 합니다.

다음을 갖추어야 합니다.

• NetApp AI 솔루션, AI 개념, AI 라이프사이클, AI 소프트웨어 및 하드웨어 아키텍처 및 공통 과제에 관한 이해

제1영역. AI 개요(15%)

• 훈련 및 추론 역량 입증
• 훈련, 추론 및 예측
• 머신 러닝의 이점 설명
• AI, 머신 러닝, 딥 러닝
• 알고리즘 유형별 사용 구별
• 감독형, 비감독형, 강화형
• 다양한 산업에서 AI가 사용되는 방식 설명
• 디지털 트윈, 에이전트, 의료
• AI, 고성능 컴퓨팅 및 분석의 융합에 관한 설명
• AI, HPC 및 분석에 동일한 인프라 활용
• 온프레미스, 클라우드, 에지에서 AI 사용 결정
• 이점과 위험 요인

제2영역. AI 라이프사이클(27%)

• 예측 AI와 생성형 AI의 차이점 파악
• 예측 및 생성형 AI의 업종별 사용
• 예측 AI의 영향에 관한 설명
• 분류, 신경망, 강화, 선호도 결정
• 생성형 AI에서 생성 텍스트, 이미지, 비디오, 의사 결정의 영향 파악
• 혁신 모델, 환각, 검색 증강 생성(RAG)과 미세 조정 비교
• NetApp 툴로 데이터 애그리게이트, 데이터 정리, 데이터 모델링을 지원하는 방법 결정
• BlueXP 분류, XCP, CopySync
• 모델 생성에 필요한 요구사항 파악
• 데이터, 코드, 컴퓨팅 및 시간, 시나리오
• 모델 구축과 모델 미세 조정의 차이점 비교
• 모델 구축의 데이터, 코드 그리고 미세 조정의 기존 모델, 데이터, 코드
• 추론에 필요한 요구사항 파악
• 모델을 메모리에 로드(모델 크기), 검색 증강 생성(RAG) 또는 기타 데이터 조회(에이전트), NetApp 데이터 이동성 솔루션

제3영역. AI 소프트웨어 아키텍처(18%)

• AI MLOps/LLMOps 에코시스템 및 일반적인 용도 파악
• AWS Sagemaker, Google VertexAI, Microsoft AzureML, Domino Data Labs, RunAI, MLflow, KubeFlow, TensorFlow Extended의 개략적 정보
• Juypter 노트북과 파이프라인 간의 차이점 확인
• 실험용 노트북, 반복 개발(프로덕션)을 위한 파이프라인
• NetApp DataOps 툴킷이 작동하는 방식 설명
• Python, Kubernetes와. 독립 실행형 비교 그리고 NetApp DataOps 툴킷에서 제공하는 기본 기능 설명
• Kubernetes로 AI 워크로드를 대규모로 실행할 수 있는 기능 시연
• Trident
• BlueXP 소프트웨어 툴을 사용하여 AI 솔루션을 구축하는 방법 설명
• GenAI 툴킷, 워크로드 팩토리, 생성형 AI로 개인 데이터를 안전하게 사용하는 방법

제4영역. AI 하드웨어 아키텍처(18%)

• 데이터 애그리게이트 토폴로지 설명
• 웨어하우스, 데이터 레이크 및 레이크하우스
• AI 워크로드에 사용되는 컴퓨팅 아키텍처 설명
• CPU, GPU - Nvidia, TPU, FPGA
• AI 워크로드에 사용되는 네트워크 아키텍처 설명
• 이더넷과 Infiniband 비교 그리고 RDMA 및 GPUDirect 스토리지의 관련성
• AI 워크로드에 사용되는 스토리지 아키텍처 파악
• C-Series, A-Series, EF-Series, StorageGRID
• 다양한 프로토콜의 사용 사례 파악
• 파일, 오브젝트, 병렬 파일 시스템, POSIX, 호스트에 설치된 클라이언트 등, 파일과 오브젝트 비교 또는 둘 모두, 분석을 위해 파일 데이터를 오브젝트 기반 서비스(클라우드 및 온프레미스)와 통합
• NetApp을 사용한 SuperPOD 아키텍처의 이점 파악
• E Series, BeeGFS, 엔터프라이즈 데이터와 통합
• BasePod 및 OVX 아키텍처의 사용 사례에 관한 설명
• AIPod, FlexPod AI, OVX

제5영역. AI 공통 과제(22%)

• 훈련 및 추론 워크로드를 위한 스토리지 및 컴퓨팅의 규모 파악
• C-Series vs. A-Series, GPU 메모리 및 칩 아키텍처
• 5.2 코드, 데이터 및 모델 추적 기능을 위한 솔루션 설명
• 스냅샷 및 클론 복제
• 5.3 AI 워크로드를 위한 데이터 액세스 및 이동 방법 설명
• SnapMirror 및 FlexCache. XCP, 백업 및 복구, CopySync
• 5.4 비용 최적화를 위한 솔루션 설명
• 스토리지 효율성, FabricPool, FlexCache, SnapMirror, Data Infrastructure Insights, Keystone
• 5.5 AI 워크로드용 스토리지 보안을 위한 솔루션 설명
• 잘못된 데이터 = 잘못된 AI, 자율 랜섬웨어 방어, 다중 관리자 인증
• 5.6 AI 워크로드의 성능을 극대화할 수 있는 솔루션 설명
• GPU를 최대한 활용하는 방법, 특정 워크로드 및 아키텍처에 대한 NetApp 제품 포지셔닝