Cisco Learning Partner
Accreditamento per l’erogazione della formazione ufficiale Cisco instructor-led.
Verifica nel Cisco Learning LocatorCisco DCAIE ufficiale34 CE creditsLaboratorio AI essentials
Corso Cisco DCAIE – AI Solutions on Cisco Infrastructure Essentials
AI Solutions on Cisco Infrastructure Essentials · fondamenti per il percorso 300-640 DCAI
Comprendi come distribuire, migrare e operare soluzioni AI su infrastrutture Cisco Data Center, collegando workload, cluster, fabric, compute, storage, governance e laboratori con Jupyter e RAG.
Formula intensiva4 giorni
LiveDocente e classe in tempo reale
Esame300-640
Hands-onAttività laboratoriali lungo il percorso
Cisco non impone prerequisiti formali. Sono consigliate conoscenze su Cisco UCS, Cisco Nexus e tecnologie core Data Center, acquisibili con DCIUCS, DCNX e DCCOR.
CorsoCisco DCAIE
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 copre parzialmente i contenuti dell’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.
Cisco indica DCAIE insieme a DCAIAOT per la preparazione completa al 300-640 DCAI. 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.
Descrivere Artificial Intelligence, Machine Learning, Deep Learning, Generative AI, use case, cluster e modelli.
Valutare architettura, workload placement, interoperabilità, policy, sicurezza, governance e sostenibilità delle soluzioni AI.
Comprendere transport e networking per AI: optical, copper, Layer 2, Layer 3, RDMA, RoCE, ECN e PFC.
Analizzare data preparation, data performance, acceleratori, compute, virtualizzazione e storage.
Preparare un cluster AI e usare NDFC per una fabric ottimizzata ai workload AI/ML.
Usare Jupyter Notebook e distribuire un modello GPT open source per Retrieval-Augmented Generation.
È il corso giusto per te se
Vuoi entrare nell’AI infrastructure con basi ordinate
- devi comprendere i requisiti infrastrutturali di training, inference e Generative AI;
- vuoi collegare cluster AI/ML, workload placement, compute, rete e storage;
- devi conoscere RDMA, RoCE, ECN, PFC e fabric Ethernet lossless;
- vuoi sperimentare Jupyter, data performance, cluster AI e RAG;
- inizi la preparazione al 300-640 DCAI prima del modulo operations e troubleshooting.
Requisiti consigliatiVerifica l’idoneità con il nostro team
È un essentials progressivo, non richiede una certificazione formale
Il percorso parte dai fondamenti e raggiunge contenuti intermedi. La familiarità con Cisco UCS, Cisco Nexus e tecnologie core Data Center rende più efficace la parte pratica; DCCOR è il prerequisito consigliato nel 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
Sperimenta i fondamenti dell’AI su infrastruttura Cisco
Le attività ufficiali comprendono Jupyter Notebook, analisi della data performance, setup di un cluster AI e distribuzione di modelli GPT open source per RAG.
NotebookJupyter e Python per esplorare workload, dati e attività AI-assisted.
PerformanceAnalisi del comportamento dei dati e dei colli di bottiglia AI/ML.
ClusterPreparazione di compute, storage e fabric Cisco con NDFC.
RAGModello GPT open source, retrieval contestuale e uso tecnico dei dati.
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.
Quattro giornate consecutive sui fondamenti di AI infrastructure Cisco, con progressione da modelli e workload fino a fabric, cluster e RAG.
- fondamenti AI
- fabric lossless
- compute e storage
- cluster e RAG
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 e Generative AI
- Artificial Intelligence, Machine Learning e Deep Learning
- Training, inference e principali famiglie di workload
- Generative AI e foundation model
- Large Language Model e modelli pre-trained
- Fine-tuning, optimization e uso dei modelli
- Retrieval-Augmented Generation
- Use case AI per Data Center e operations
- Accuracy, bias, hallucination e governance
- Impatto dell’AI sull’infrastruttura Cisco
- Esercitazione introduttiva sui concetti AI
AI/ML cluster, modelli e Jupyter Notebook
- Architettura e componenti di un cluster AI/ML
- Relazione tra nodo compute, acceleratore, rete e storage
- Gestione di base dei cluster AI
- Acquisizione e utilizzo di modelli pre-trained
- Workflow Python per attività AI-assisted
- Jupyter Notebook e ambiente interattivo
- Notebook per analisi di dati infrastrutturali
- Generative AI a supporto delle network operations
- Controllo e validazione degli output generati
- Laboratorio AI Toolset con Jupyter Notebook
AI infrastructure, placement, policy e sostenibilità
- Componenti essenziali dell’infrastruttura AI
- Requisiti di compute, network, storage e orchestration
- Workload placement per training e inference
- Interoperabilità tra componenti e piattaforme
- Scalabilità, resilienza e performance
- AI policy per ambienti enterprise
- Security e compliance delle soluzioni AI
- Governance e gestione del rischio
- Sostenibilità e consumo delle risorse
- Principi di design per AI infrastructure
Network requirements, transport e connectivity model
- Pattern di traffico dei workload AI/ML
- Throughput, latenza e congestione
- Distributed processing e comunicazioni east-west
- Tecnologie optical e copper
- AI transport e movimento dei dati
- Connectivity model per cluster AI
- Layer 2 e Layer 3 applicati all’AI
- Fog computing e workload distribuiti
- Application-level protocol e comportamento applicativo
- Migrazione verso un’architettura AI/ML network
High-throughput e lossless Ethernet fabric
- High-throughput converged Ethernet fabric
- Convergenza di traffico compute, storage e AI
- Remote Direct Memory Access
- RDMA over Converged Ethernet
- Principi di fabric lossless
- Quality of Service per workload sensibili
- Priority Flow Control
- Explicit Congestion Notification
- Congestion visibility e analisi dei flussi
- Cisco Nexus Dashboard Insights per la visibilità
Data preparation, performance e risorse infrastrutturali
- Data preparation e qualità dei dataset
- Data pipeline e data lifecycle
- Performance dei flussi AI/ML
- Identificazione dei colli di bottiglia
- AI-enabling hardware e acceleratori
- Compute resource per training e inference
- Soluzioni compute Cisco per AI
- Virtual resource e isolamento dei workload
- Storage resource e protocolli di accesso
- Software-defined storage e requisiti di throughput
Setup del cluster AI e fabric NDFC
- Pianificazione del cluster AI
- Preparazione delle risorse compute
- Preparazione dello storage
- Configurazione della connettività
- Cisco Nexus per workload AI/ML
- Nexus Dashboard Fabric Controller
- Policy e template per la fabric
- Validazione della readiness del cluster
- Analisi della data performance
- Laboratorio Setting Up AI Cluster
Open source GPT, RAG e continuità del percorso DCAI
- Distribuzione di un modello GPT open source
- Preparazione dell’ambiente locale
- Ingestion e indicizzazione dei contenuti
- Retrieval e generazione contestualizzata
- RAG per network engineering e supporto operativo
- Valutazione della rilevanza delle risposte
- Protezione dei dati utilizzati dal modello
- Laboratorio Deploy and Use Open Source GPT Models for RAG
- Confine tra DCAIE essentials e operations avanzate
- Prosecuzione con DCAIAOT per la preparazione completa al DCAI
Attività laboratoriali
- Notebook: Jupyter e Python per esplorare workload, dati e attività AI-assisted.
- Performance: Analisi del comportamento dei dati e dei colli di bottiglia AI/ML.
- Cluster: Preparazione di compute, storage e fabric Cisco con NDFC.
- RAG: Modello GPT open source, retrieval contestuale e uso tecnico dei dati.
Per aziende, enti e team
Crea un linguaggio comune tra team AI e infrastruttura
DCAIE aiuta network, compute, storage e platform team a comprendere requisiti e dipendenze dei workload AI prima di affrontare implementazione e operations avanzate.
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
DCAIE prepara da solo all’esame 300-640 DCAI?
Non completamente. Cisco indica DCAIE insieme a DCAIAOT come percorso di preparazione al 300-640 DCAI.
Quanti Continuing Education credits assegna?
Cisco assegna 34 Continuing Education credits al training DCAIE corrente.
Sono richiesti prerequisiti formali?
No. Cisco non impone prerequisiti, ma raccomanda conoscenze su UCS, Nexus e tecnologie core Data Center.
Quali laboratori sono previsti?
Jupyter Notebook, data performance AI/ML, setup del cluster AI e distribuzione di modelli GPT open source per RAG.
Il corso tratta RDMA, RoCE, ECN e PFC?
Sì. Sono inclusi nei moduli dedicati a fabric Ethernet ad alte prestazioni e lossless.
DCAIE e DCAI sono la stessa scheda?
No. DCAIE è il training essentials ufficiale; la scheda DCAI rappresenta una preparazione Vega Training più estesa.
Quale prerequisito consiglia Vega Training?
Il percorso consiglia il corso Cisco DCCOR.
Quanto dura la formula intensiva?
Il percorso documenta una formula intensiva di quattro giornate.
Parliamo del tuo obiettivo
Richiedi informazioni suCisco DCAIE
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.