课程介绍
AI 工作负载、GPU、数据中心、网络、存储和操作。
您将会学到
- 以考试级别的精确度区分人工智能（AI）、机器学习（Machine Learning）和深度学习（Deep Learning）
- 理解AI工作负载对图形处理器（GPUs）、网络、存储以及数据中心的影响
- 对比中央处理器（CPU）与图形处理器（GPU）的架构，并解释为什么GPUs在AI工作负载方面占据主导地位
- 理解AI软件堆栈，包括CUDA（Compute Unified Device Architecture）、NGC（NVIDIA GPU Cloud）和TensorRT（一种高性能深度学习推理库）
- 自信地操作、监控和推理有关NCA-AIIO考试中的AI基础设施的知识
要求
-
无需有先前的人工智能、机器学习、GPU 或数据中心经验
-
具备基础 IT 或技术好奇心会有帮助，但所有内容都将从最基本原理进行解释
描述
人工智能不仅仅依赖算法运行——它还依赖于基础设施和操作。图形处理器（GPUs）、网络、存储、数据中心、编排平台以及操作规程决定了AI系统在现实世界中是成功还是失败。
本课程是一个全面且适合初学者的安全指南，专门设计用于准备“认证助理：AI基础设施与操作”（NCA-AIIO）考试。
您无需具备AI、机器学习、GPUs、CUDA、数据中心或Kubernetes的先前经验。每个概念都将从基本原则开始介绍，使用清晰的语言和直观的例子进行解释，并直接关联到考试中候选人应如何推理的问题上。
课程结构完全围绕三个NCA-AIIO领域：
- 基本AI知识——精确理解AI、机器学习、深度学习、工作负载及术语
- AI基础设施——GPUs对比CPUs、AI数据中心、网络、存储、虚拟化、云和混合架构
- AI操作——编排、调度、监控、性能管理及大规模操作AI系统
本课程并非专注于编码或数据科学理论，而是强调基础设施行为、架构权衡和操作思维——这些正是通过考试和支持实际AI平台所需的思维方式。
每一部分都会突出常见的考试陷阱，澄清令人困惑的术语，并解释为什么某些答案是正确的——而不仅仅是给出答案。
完成本课程后，您不仅会为通过NCA-AIIO认证做好准备，还能自信地解释现代AI系统是如何构建、扩展并在生产环境中操作的。
此课程面向哪些人：
- 初学者、IT 从业者以及准备考取 NCA-AIIO 认证的云服务或基础设施工程师
- 任何希望在真实环境中了解 AI 基础设施和运营工作原理的人，需要一个清晰、非数学的解释