Cisco Learning Partner
Accreditamento per l’erogazione della formazione ufficiale Cisco instructor-led.
Verifica nel Cisco Learning LocatorCisco Data Center AILive con docenteLaboratorio AI infrastructure
Corso Cisco DCAI – Implementing Cisco Data Center AI Infrastructure
Implementing Cisco Data Center AI Infrastructure · preparazione completa all’esame 300-640 DCAI
Progetta, implementa, monitora e risolvi problemi su infrastrutture Cisco Data Center per workload AI e Machine Learning, integrando fabric ad alte prestazioni, compute, storage, orchestrazione, telemetria e operations.
Formula intensiva5 giorni
LiveDocente e classe in tempo reale
Esame300-640
Hands-onAttività laboratoriali lungo il percorso
Il percorso consiglia Cisco DCCOR. Sono utili competenze su Cisco Nexus, UCS, networking Data Center, compute, storage e fondamenti AI/ML.
CorsoCisco DCAI
Chiama
Cisco Networking Academy
Un secondo riconoscimento Cisco dedicato allo sviluppo e alla diffusione delle competenze digitali.
Verifica nell’Academy Locator
Preparazione all’esame DCAI
Il corso segue il perimetro ufficiale dell’esame Cisco 300-640 DCAI.
Consulta l’esame ufficiale CiscoCorso attivabile su richiesta
Concordiamo insieme la prossima data
Il corso può essere attivato per privati, professionisti, aziende ed enti, senza attendere la pubblicazione di una data a calendario.
Corso attivabile su richiesta
Segnalaci il tuo interesse: verifichiamo disponibilità del docente, formula e prima soluzione utile, senza alcun impegno.
Richiedi l’attivazione
Certificazione internazionale
Il corso prepara all’esame 300-640 per la certificazione Data Center AI Infrastructure Specialist
Il superamento dell’esame 300-640 DCAI conferisce la certificazione specialistica e soddisfa il concentration requirement della CCNP Data Center.
300-640Esame ufficiale Data Center AI Infrastructure Specialist
90 minutiDurata indicata dal vendor
Livello certificazioneSpecialist
Il superamento dell’esame consente di ottenere la certificazione Data Center AI Infrastructure Specialist, nel rispetto dei requisiti previsti dal vendor.
Il percorso Vega Training DCAI copre design, implementazione, monitoring e troubleshooting. L’esame non e incluso salvo diversa indicazione commerciale.
Risultati di apprendimento
Competenze operative sviluppate durante il corso
Ogni macroarea viene tradotta in competenze concrete, con l’obiettivo di costruire un metodo applicabile in contesti reali.
Comprendere AI, Machine Learning, Deep Learning, Generative AI, modelli, cluster e impatto dei workload sull’infrastruttura.
Progettare architetture AI/ML bilanciando workload placement, interoperabilità, performance, governance, sicurezza e sostenibilità.
Implementare fabric ad alte prestazioni con RDMA, RoCE, ECN, PFC, lossless Ethernet e visibilità della congestione.
Dimensionare compute, acceleratori, risorse virtuali e storage per training, inference e grandi flussi di dati.
Distribuire cluster AI, usare Jupyter Notebook e realizzare workflow RAG con modelli GPT open source.
Monitorare e risolvere problemi tramite Nexus Dashboard, NDFC, telemetria, log correlation, Splunk e metodo strutturato.
È il corso giusto per te se
Vuoi progettare e gestire infrastrutture Data Center per l’AI
- devi sostenere workload di training, inference, Generative AI e Retrieval-Augmented Generation;
- progetti fabric Ethernet ad alte prestazioni con RDMA, RoCE, ECN e PFC;
- gestisci compute, acceleratori, virtualizzazione e storage per cluster AI/ML;
- devi monitorare congestione, telemetria, log e performance end-to-end;
- prepari l’esame 300-640 DCAI e il concentration requirement della CCNP Data Center.
Requisiti consigliatiVerifica l’idoneità con il nostro team
È consigliata una base Cisco Data Center solida
Il corso presuppone familiarità con architetture Data Center, Cisco Nexus, switching e routing, compute Cisco UCS, virtualizzazione e storage. La partecipazione al Cisco DCCOR è consigliata dalla percorso.
Si consiglia la frequenza del seguente corso come prerequisito:
Formazione realmente live
Spiegazione, configurazione e troubleshooting in diretta
Il docente sviluppa gli scenari con la classe, osserva i risultati e collega ogni attività alla logica di progettazione e verifica. Le domande vengono affrontate mentre gli strumenti sono in esecuzione.
Le eventuali registrazioni vengono confermate per la singola edizione e non sostituiscono la relazione con il docente.
Spiegazione e correzione nel momento in cui emerge il problema.
Gli argomenti vengono collegati in un percorso operativo unitario.
Ogni modifica viene seguita da controlli sullo stato e sui risultati.
Le scelte vengono motivate rispetto ad alternative e vincoli reali.
Uno degli scenari con cui il corsista si confronterà durante il percorso.
Laboratorio operativo
Costruisci e diagnostica un’infrastruttura Cisco per l’AI
Il laboratorio integra Jupyter, analisi dei flussi AI/ML, configurazione della fabric, cluster AI, RAG, telemetria e troubleshooting di rete, compute e storage.
AI workloadModelli, Jupyter, dataset, cluster, Generative AI e Retrieval-Augmented Generation.
FabricRDMA, RoCE, ECN, PFC, lossless Ethernet, NDFC e congestion visibility.
InfrastructureCompute, acceleratori, virtualizzazione e storage per training e inference.
OperationsNexus Dashboard, telemetria, Splunk, log correlation e troubleshooting end-to-end.
Le attività di laboratorio aiutano a trasformare configurazioni e concetti in competenze operative. L’accesso H24 viene indicato quando previsto dal corso o dalla singola edizione.
Formula intensiva
Un percorso concentrato e intensivo
Contenuti, attività laboratoriali e qualità didattica restano centrali. Cambiano soltanto distribuzione delle ore e ritmo di consolidamento.
Cinque giornate consecutive dedicate a design, implementazione, monitoring e troubleshooting delle infrastrutture Cisco Data Center per workload AI/ML.
- AI e architettura
- fabric lossless
- compute e storage
- operations e troubleshooting
Cosa include il percorso
Tutto ciò che serve per frequentare con sicurezza
Non soltanto lezioni: il percorso integra didattica live, pratica guidata e assistenza continua. Qui trovi ciò che Vega Training mette concretamente a disposizione per accompagnarti durante la formazione.
Docente e partecipanti collegati in tempo reale, con la possibilità di intervenire e chiedere chiarimenti.
Professionisti selezionati per competenza tecnica e capacità didattica, con le abilitazioni richieste dai vendor.
Ambienti didattici sicuri e collaudati per applicare concretamente quanto affrontato durante le lezioni.
Assistenza sulla piattaforma e sugli ambienti pratici, per lasciare il docente concentrato sulla formazione.
Documentazione, esercitazioni e risorse previste dallo specifico percorso.
Le eventuali lezioni annullate da Vega Training vengono recuperate senza ridurre il monte ore del corso.
Quando prevista, la formazione comprende indicazioni sul relativo esame e sulla preparazione necessaria.
Al termine del percorso viene rilasciato l’attestato di partecipazione Vega Training.
Formazione IT dal 2002 Formazione live online dal 2008 Sistema qualità certificato ISO 9001 EA37
FacultyCiscoVega Training
Competenza tecnica e capacità didattica
I docenti Vega Training uniscono esperienza tecnica e capacità didattica: durante il corso puoi fare domande, approfondire casi reali e confrontarti sui problemi che incontri nel lavoro.
Programma completo, organizzato per aree
Prima una visione d’insieme, poi tutto il dettaglio
Apri le singole aree per vedere argomenti, competenze e attività pratiche previste. Il programma ti permette di capire subito cosa affronterai e con quale progressione.
Fondamenti AI, Generative AI e modelli
- Artificial Intelligence, Machine Learning e Deep Learning
- Training, inference e ciclo di vita dei modelli
- Generative AI, foundation model e Large Language Model
- Modelli pre-trained, fine-tuning e ottimizzazione
- Retrieval-Augmented Generation e grounding dei contenuti
- Use case AI per Data Center e network operations
- Accuracy, bias, hallucination e limiti operativi
- AI/ML cluster e componenti principali
- Jupyter Notebook e workflow Python
- Laboratorio introduttivo con Jupyter Notebook
Architettura, governance e workload placement
- Componenti essenziali di un’infrastruttura AI moderna
- Requisiti di training, inference e distributed processing
- Workload placement tra compute, rete e storage
- Interoperabilità tra componenti e piattaforme
- Scalabilità, resilienza, latenza e throughput
- AI policies e governance enterprise
- Compliance, sicurezza e gestione del rischio
- Sostenibilità ed efficienza energetica
- Costi e compromessi architetturali
- Matrice di design per workload AI/ML
AI transport e fabric Ethernet ad alte prestazioni
- Pattern di traffico east-west dei workload AI/ML
- Tecnologie ottiche e copper per alta capacità
- Connectivity model per cluster distribuiti
- Layer 2 e Layer 3 negli ambienti AI
- Application-level protocol e comportamento dei flussi
- High-throughput converged Ethernet fabric
- Remote Direct Memory Access e RDMA over Converged Ethernet
- Priority Flow Control e costruzione di fabric lossless
- Explicit Congestion Notification e gestione della congestione
- Fog computing e distribuzione dei workload
Data preparation, compute, acceleratori e storage
- Data preparation e qualità del dato
- Data pipeline e movimento dei dataset
- Performance dei workload AI/ML e identificazione dei colli di bottiglia
- GPU, acceleratori e AI-enabling hardware
- Compute resource per training e inference
- Cisco UCS e integrazione delle risorse compute
- Virtual resource, isolamento e allocazione
- Storage protocol e requisiti di throughput
- Software-defined storage per workload AI
- Bilanciamento end-to-end tra compute, rete e storage
Cisco Nexus, NDFC e visibilità della fabric AI
- Cisco Nexus per fabric AI ad alte prestazioni
- Nexus Dashboard Fabric Controller e fabric provisioning
- Template e policy per workload AI/ML
- Cisco Nexus Dashboard e health visibility
- Nexus Dashboard Insights per flow analytics
- Congestion visibility e analisi ECN PFC
- Telemetry streaming e metriche operative
- Correlazione tra flussi applicativi e stato della rete
- Migrazione da Data Center tradizionale a AI/ML network
- Laboratorio NDFC e analisi della fabric
Deploy di cluster AI e soluzioni RAG
- Pianificazione e preparazione di un cluster AI
- Configurazione di network, compute e storage
- Validazione della connettività e della readiness
- Ambiente Python e Jupyter per attività tecniche
- Distribuzione di modelli GPT open source
- Costruzione di una pipeline Retrieval-Augmented Generation
- Integrazione di dati infrastrutturali nel retrieval
- Valutazione di accuratezza e rilevanza contestuale
- Sicurezza dei dati e controllo degli accessi
- Laboratorio cluster AI e modello RAG locale
Operations, monitoring e lifecycle management
- Day-2 operations per infrastrutture AI-enabled
- Lifecycle management di rete, compute e storage
- Monitoring dei workload e dei flussi AI/ML
- Log correlation e analisi degli eventi
- Timing protocol e coerenza temporale dei dati
- Splunk per telemetria e investigazione operativa
- Capacity planning e trend delle performance
- Anomaly detection e degradazione del servizio
- Governance operativa e change control
- Laboratorio di monitoring e log analysis
Troubleshooting integrato dell’infrastruttura AI
- Metodo strutturato e raccolta della baseline
- Troubleshooting di latenza, packet loss e congestion
- Diagnosi di RDMA, RoCE, ECN e PFC
- Problemi di compute, acceleratori e resource exhaustion
- Problemi di storage e data access performance
- Analisi di workload placement e interoperability
- Correlazione tra telemetria, log e sintomi applicativi
- Uso di Nexus Dashboard Insights e Splunk
- Risoluzione di un’applicazione AI non responsiva
- Laboratorio finale end-to-end su fabric AI/ML
Attività laboratoriali
- AI workload: Modelli, Jupyter, dataset, cluster, Generative AI e Retrieval-Augmented Generation.
- Fabric: RDMA, RoCE, ECN, PFC, lossless Ethernet, NDFC e congestion visibility.
- Infrastructure: Compute, acceleratori, virtualizzazione e storage per training e inference.
- Operations: Nexus Dashboard, telemetria, Splunk, log correlation e troubleshooting end-to-end.
Per aziende, enti e team
Prepara il Data Center aziendale ai workload AI
DCAI è adatto a team network, compute, storage e platform engineering che devono progettare e gestire infrastrutture AI-ready con responsabilità condivise e metodo operativo comune.
Inserimento in una data pubblica, con fattura e referente aziendale.
Calendario, coordinamento e condizioni dedicate in base alle esigenze del gruppo.
Modalità organizzative e calendario concordabili, mantenendo programma, obiettivi e qualità didattica del percorsoCisco.
Domande frequenti
Le informazioni utili prima di richiedere il corso
A quale esame prepara il corso DCAI?
Prepara all’esame corrente 300-640 DCAI, concentration exam della CCNP Data Center.
Quale certificazione si ottiene superando l’esame?
Si ottiene Cisco Certified Specialist - Data Center AI Infrastructure.
DCAI e DCAIE sono lo stesso corso?
No. DCAIE è il training essentials Cisco; DCAI è la preparazione Vega Training più ampia, comprensiva di operations e troubleshooting.
Quali prerequisiti sono consigliati?
È consigliata una preparazione equivalente a DCCOR, con basi su Cisco Nexus, UCS, compute, storage e networking Data Center.
Il corso include RDMA, RoCE, ECN e PFC?
Sì. Queste tecnologie sono trattate nel design, nel monitoring e nel troubleshooting delle fabric AI lossless.
Sono previsti Jupyter Notebook e RAG?
Sì. Il laboratorio comprende Jupyter, modelli GPT open source e una pipeline Retrieval-Augmented Generation.
Quanti Continuing Education credits assegna?
Non viene pubblicato un valore unico: Cisco assegna crediti ai singoli training ufficiali, non automaticamente al percorso Vega Training DCAI.
Quanto dura la formula intensiva?
Il percorso documenta una formula intensiva di cinque giornate.
Parliamo del tuo obiettivo
Richiedi informazioni suCisco DCAI
Scegli il percorso privato oppure aziendale. Il modulo mostra soltanto i campi utili e conserva corso, pagina e contesto della richiesta.
Sei un privato o ci contatti da un’azienda?
Scegli il percorso più adatto: il modulo mostra soltanto i campi utili alla tua richiesta.
Privato / professionista
Informazioni per te
Verifichiamo formula, calendario, investimento e idoneità senza obblighi.
Azienda / ente
Informazioni per azienda o ente
Indicaci il contesto essenziale: open class, piano team o classe dedicata.
Continua a esplorare
Scopri di più sul mondo Cisco con Vega Training
Approfondisci l’ecosistema Cisco attraverso corsi, certificazioni, Continuing Education, laboratori e il ruolo di Vega Training come Cisco Learning Partner.