إن تنفيذ البنية التحتية للذكاء الاصطناعي لمركز بيانات Cisco v1.0 (DCAI 300-640) عبارة عن اختبار مدته 90 دقيقة وهو جزء من مسار شهادة CCNP Data Center. يقيّم هذا الاختبار خبرتك في تصميم البنية التحتية للذكاء الاصطناعي وتنفيذها ومراقبتها واستكشاف الأخطاء وإصلاحها، والتي تغطي مجالات مثل الشبكات والحوسبة والتخزين والتنسيق. يؤدي إكمال هذا الاختبار بنجاح إلى منح شهادة Cisco Certified Specialist - Data Center AI Infrastructure (البنية التحتية للذكاء الاصطناعي) ويساهم في الحصول على شهادة مركز بيانات Cisco Certified Network Professional (CCNP). يوفر SPOTO أحدث أسئلة الاختبار 300-640 لمساعدة المرشحين على الاستعداد بفعالية واجتياز اختبار Cisco Data Center بسرعة. من خلال اختبارات التدريب التدريبية الخاصة بـ Cisco 300-640 DCAI من SPOTO، يمكنك زيادة فرصك في اجتياز الاختبار في محاولتك الأولى.
إن تنفيذ البنية التحتية للذكاء الاصطناعي لمركز بيانات Cisco v1.0 (DCAI 300-640) عبارة عن اختبار مدته 90 دقيقة وهو جزء من مسار شهادة CCNP Data Center. يقيّم هذا الاختبار خبرتك في تصميم البنية التحتية للذكاء الاصطناعي وتنفيذها ومراقبتها واستكشاف الأخطاء وإصلاحها، والتي تغطي مجالات مثل الشبكات والحوسبة والتخزين والتنسيق. يؤدي إكمال هذا الاختبار بنجاح إلى منح شهادة Cisco Certified Specialist - Data Center AI Infrastructure (البنية التحتية للذكاء الاصطناعي) ويساهم في الحصول على شهادة مركز بيانات Cisco Certified Network Professional (CCNP). يوفر SPOTO أحدث أسئلة الاختبار 300-640 لمساعدة المرشحين على الاستعداد بفعالية واجتياز اختبار Cisco Data Center بسرعة. من خلال اختبارات التدريب التدريبية الخاصة بـ Cisco 300-640 DCAI من SPOTO، يمكنك زيادة فرصك في اجتياز الاختبار في محاولتك الأولى.
المواضيع التالية هي مبادئ توجيهية عامة للمحتوى الذي من المرجح تضمينه في الامتحان.
1.0 مبادئ الذكاء الاصطناعي والتطبيقات (20%)
1.1 وصف أنواع الأحمال العاملة للذكاء الاصطناعي/التعلم الآلي
1.2 وصف دورة حياة الذكاء الاصطناعي
1.3 وصف حالات استخدام الذكاء الاصطناعي
1.4 وصف أنواع البنى التحتية للذكاء الاصطناعي
1.5 وصف المكونات المستخدمة في بيئات الذكاء الاصطناعي
1.6 وصف حلول سيسكو للذكاء الاصطناعي
2.0 مكونات البنى التحتية للذكاء الاصطناعي والهندسة المعمارية (30%)
2.1 تقييم نشر الشبكة بناءً على متطلبات الأحمال العاملة للذكاء الاصطناعي مثل عرض النطاق الترددي، التأخير، الاحتياطية، القابلية للتوسع، والأمن
2.2 تقييم نشر الوحدة المعالجة بناءً على متطلبات الأحمال العاملة للذكاء الاصطناعي مثل موارد معالجة المركزي (CPU)، موارد معالجة المعالجات الرسومية (GPU)، والاتصال، الذاكرة، دعم الافتراضية، القابلية للتوسع، الاحتياطية، وأنواع الأحمال العاملة
2.3 تقييم نشر التخزين بناءً على متطلبات الأحمال العاملة للذكاء الاصطناعي مثل السعة، الأداء، الاحتياطية والتوفر، والقابلية للتوسع
2.4 تقييم الطاقة، الكفاءة، والاستدامة بناءً على متطلبات الأحمال العاملة للذكاء الاصطناعي مثل الطاقة والتكييف، فعالية استخدام الطاقة، والطاقة المتجددة
2.5 تقييم نشر الذكاء الاصطناعي الهجين مع تكامل السحابة مثل الاتصال الآمن، مزامنة البيانات، وحركة الأحمال العاملة
3.0 نشر البنى التحتية للذكاء الاصطناعي وإدارة البيانات (30%)
3.1 تكوين شبكات عالية الأداء لدعم الأحمال العاملة للذكاء الاصطناعي باستخدام مركز بيانات سيسكو
3.2 تكوين وحدة معالجة وتخزين عالية الأداء لدعم الأحمال العاملة للذكاء الاصطناعي باستخدام سيسكو UCS
3.3 نشر أقمشة جاهزة للذكاء الاصطناعي باستخدام أدوات تنظيم سيسكو
4.0 عمليات البنى التحتية للذكاء الاصطناعي وإصلاح الأخطاء (20%)
4.1 تنفيذ مقاييس المقارنة لتقييم أداء البنى التحتية للذكاء الاصطناعي
4.2 تنفيذ مراقبة بنى تحتية مراكز البيانات للذكاء الاصطناعي باستخدام حلول سيسكو مثل لوحة التحكم نيكسوس (Nexus Dashboard) وإنترسايت (Intersight)
4.3 مراقبة البنى التحتية للذكاء الاصطناعي باستخدام رسائل النظام وأدوات الإدارة لضمان الموثوقية، القابلية للتوسع والأداء
4.4 إصلاح الأخطاء في البنى التحتية للذكاء الاصطناعي باستخدام رسائل النظام وأدوات الإدارة
يمكن للمحترفين المعتمدين كسب ما يصل إلى 40٪ أكثر من زملائهم غير المعتمدين.