Инфраструктура ИИ NVIDIA и подготовка к NCA-AIIO

4 участника

О чём курс

Курс «Master NVIDIA AI Infrastructure & Pass NCA-AIIO» представляет собой комплексную программу, разработанную для глубокого погружения в основы современной инфраструктуры искусственного интеллекта. Основная цель обучения — дать слушателям фундаментальные знания, необходимые для понимания того, как устроены и функционируют современные AI-ориентированные дата-центры, а также подготовить их к успешной сдаче сертификационного экзамена NVIDIA Certified Associate: AI Infrastructure & Operations (NCA-AIIO). Программа курса охватывает широкий спектр тем: от базовых понятий в области машинного обучения (ML), глубокого обучения (DL) и генеративного ИИ (GenAI) до сложных инженерных решений, таких как архитектура GPU, DPU, сетевые технологии InfiniBand и Ethernet, а также программный стек NVIDIA.

Курс идеально подходит для широкого круга специалистов: начинающих инженеров, системных администраторов, DevOps-специалистов и всех, кто стремится связать свою карьеру с поддержкой и развитием AI-инфраструктуры. Несмотря на глубокий технический уровень рассматриваемых тем, для начала обучения не требуется специального опыта в области ИИ. Базовое понимание IT-инфраструктуры, оборудования и сетевых технологий будет преимуществом, но не является обязательным условием. Обучение проходит в формате структурированных лекций, общая продолжительность которых составляет 4 часа 40 минут, что позволяет эффективно усвоить материал без лишней «воды».

На выходе слушатели получат четкое представление о том, как NVIDIA трансформирует индустрию ИИ. Вы научитесь различать архитектурные особенности CPU, GPU и DPU, поймете принципы работы высокопроизводительных сетей, таких как NVLink и InfiniBand, освоите стек технологий NVIDIA, включая CUDA, NCCL, DCGM и NVIDIA-SMI. Особое внимание уделено вопросам виртуализации (vGPU, MIG), мониторингу систем и организации рабочих процессов (AI-workflows), включая MLOps, Slurm и Kubernetes. Прохождение данного курса — это не только теоретическая база, но и практический взгляд на то, как развертывать и поддерживать инфраструктуру, способную обучать современные нейросети и обеспечивать их эффективный вывод (inference). Выбор этого курса обусловлен его сфокусированностью на актуальных стандартах индустрии и прямой направленностью на получение сертификата NCA-AIIO, что является важным подтверждением квалификации на рынке труда.

Программа обучения

Модуль 1 Движущие силы эволюции ИИ Сценарии применения ИИ в различных отраслях ИИ, МО, ГО, Генеративный ИИ Аналогия для ИИ, МО, ГО, Генеративного ИИ Модель Transformer Модуль 2 — Внутри центра обработки данных на базе ИИ Внутри центра обработки данных на базе ИИ Эффективность использования энергии (PUE) Вычислительная мощность ЦП и ГП ЦП против ГП — Архитектурные различия За пределами закона Мура Блок обработки данных (DPU) Сеть внутри центра обработки данных на базе ИИ Сетевая инфраструктура Ethernet против InfiniBand Конвергентный Ethernet (CE) Хранилище внутри центра обработки данных на базе ИИ Облако против локальных решений (On-Prem) Модуль 3 — Технологический стек NVIDIA NVIDIA: Движущая сила инноваций GPU для ИИ Технологический стек NVIDIA Уровень 1 — Физический уровень GPU на графической карте Платформа DGX DGX SuperPOD ConnectX BlueField DPUs Референсные архитектуры NVIDIA Понимание ядер GPU Сравнение ядер GPU Платформа NVIDIA DGX — Хронология Платформа DGX — Варианты развертывания DGX A100 против H100 Уровень 2: Перемещение данных и ускорение ввода-вывода (I/O) NVLink InfiniBand InfiniBand против Ethernet DMA и RDMA GPUDirect RDMA GPUDirect Storage Краткое сравнение Уровень 3: ОС, драйвер и виртуализация Драйверы GPU Виртуализация GPU vGPU против MIG - Часть 1 vGPU против MIG - Часть 2 Уровень 4: Основные библиотеки Единая архитектура вычислительных устройств (CUDA) Установка CUDA Библиотека коллективных коммуникаций NVIDIA (NCCL) NVLink, NVSwitch, PCIe, RDMA против NCCL Уровень 5: Мониторинг и управление NVIDIA-SMI Менеджер GPU центра обработки данных (DCGM) Base Command Manager Что использовать? Уровень 6: Приложения и отраслевые решения Резюме NVIDIA AI Enterprise: (ИИ-решения NVIDIA для предприятий) NVIDIA AI Factory (Фабрика ИИ NVIDIA) Модуль 4 — Рабочие процессы ИИ Рабочие процессы ИИ Фреймворки машинного обучения Ключевое отличие NVIDIA Обучение моделей против Вывода моделей (Inference) Планирование заданий против Оркестрации контейнеров Slurm против Kubernetes Интеграция NVIDIA MLOps — Аналогия Почему MLOps? Инструменты NVIDIA для поддержки MLOps

Складчина создана 10 апреля 2026 г. · описание обновлено 23 апреля 2026 г.

Теги курса

Инструменты
1 500 ₽