EX267

Red Hat Certified Specialist in OpenShift AI (EX267)

Überblick

Prüfungsbeschreibung

Das Red Hat Certified Specialist in OpenShift AI Exam testet die Fähigkeit der Kandidaten, OpenShift AI bereitzustellen und so zu konfigurieren, dass Modelle für maschinelles Lernen erstellt, bereitgestellt und verwaltet werden, um KI-fähige Anwendungen zu unterstützen.

Nach erfolgreichem Abschluss erhalten Sie die Zertifizierung als Red Hat Certified Specialist in OpenShift AI, die auch auf die Qualifikation alsRed Hat Certified Architect (RHCA®) angerechnet wird.

Diese Prüfung basiert auf Red Hat OpenShift AI Version 2.13 und Red Hat OpenShift Container Platform Version 4.17.

Zielgruppe für diese Prüfung

  • System- und Software-Architects, die Kenntnisse über die Features und Funktionen von Red Hat OpenShift AI nachweisen müssen.
  • Systemadministratorenoder Entwicklungsteams, die nachweisen müssen, dass sie OpenShift AI konfigurieren, unterstützen und warten können.
  • Data Scientists,die Kenntnisse in der Verwendung von OpenShift AI zum Entwickeln, Trainieren, Bereitstellen, Testen und Überwachen von KI/ML-Modellen und -Anwendungen nachweisen müssen.
  • Red Hat Certified Engineers, dieRed Hat Certified Architect (RHCA) werden möchten

Voraussetzungen für diese Prüfung

An dieser Prüfung Teilnehmende sollten:

Ziele

Als Vorbereitung

Lerninhalte für die Prüfung

Teilnehmende mit dem Ziel Red Hat Certified Specialist in OpenShift AI sollten in der Lage sein, die folgenden Aufgaben zu erfüllen. Relevante produktspezifische Dokumentation wird bereitgestellt, aber die Teilnehmenden sollten darauf vorbereitet sein, diese Aufgaben ohne Hilfe auszuführen.

  • Installieren von Red Hat OpenShift AI
  • Konfigurieren und Verwalten von RHOAI
    • Verwalten von Nutzer- und Gruppenberechtigungen und -ressourcen
    • Verwalten des DataScienceCluster-Objekts
    • Erstellen und Veröffentlichen von benutzerdefinierten Notebook Images
    • Importieren von Notebook Images
    • Verwalten von Culling im Leerlauf von Notebooks
    • Größenanpassung der Standard-Workbench- und Modellserver
  • Arbeiten an Data Science-Projekten
    • Erstellen, Ändern und Löschen von Data Science-Projekten
    • Verwalten von Data Science-Projektberechtigungen
  • Verwenden von Data Science Workbenches
    • Verstehen des Jupyter-Ökosystems
    • Erstellen, Ändern und Löschen von Workbenches
    • Starten und Stoppen von Workbenches
    • Verwalten von Datenverbindungen
    • Verwalten von Persistent Volume Claim-Objekten
    • Überprüfen von Workbench-Ressourcen
  • Verwenden von Git für die gemeinsame Verwaltung von Jupyter-Notebooks
    • Hochladen eines vorhandenen Notebooks aus einem Git-Repository
    • Übertragen aktualisierter Notebooks per Push an ein Git-Repository
  • Arbeiten mit Modellen für maschinelles Lernen
    • Grundlegende Konzepte des maschinellen Lernens
    • Trainieren von Modellen in Python mit beliebten grundlegenden Libraries
    • Skalierbares Laden von Daten
    • Überwachen und Bewerten des Trainingsprozesses
  • Speichern und Laden von Modellen
    • Speichern, Exportieren und Freigeben von Modellen
    • Bereitstellen von Modellen als Python-Anwendungen
    • Erstellen einer benutzerdefinierten Runtime in KServe
    • Bereitstellen eines Modells mit ModelMesh
  • Erstellen von Data Science Pipelines
    • Erstellen von Pipelines mit Elyra
    • Erstellen von Pipelines mit Kubeflow

Erforderliche Vorkenntnisse

Vorbereitung

Red Hat empfiehlt Ihnen, den KursDeveloping and Deploying AI/ML Applications on Red Hat OpenShift AI (AI267)zur Vorbereitung zu belegen. Die Teilnahme an diesen Kursen ist nicht erforderlich; die Teilnehmenden können wählen, ob sie nur die Prüfung ablegen möchten.

Auch wenn die Teilnahme an Red Hat Kursen einen wichtigen Teil der Prüfungsvorbereitung darstellt, ist sie keine Garantie für das Bestehen der Prüfung. Vorherige Erfahrung, Praxis und Eignung sind darüber hinaus wichtige Erfolgsfaktoren.

Zur Systemadministration für Red Hat Produkte sind zahlreiche Bücher und andere Ressourcen erhältlich. Eine offizielle Empfehlung zur Nutzung solcher Materialien für die Vorbereitung auf die Prüfungen gibt Red Hat jedoch nicht. Dennoch kann sich weiterführende Literatur stets als hilfreich erweisen.

Prüfungsformat

Diese Prüfung ist eine leistungsbasierte Bewertung der für die Konfiguration und Verwaltung von Red Hat OpenShift AI erforderlichen Kenntnisse und Fertigkeiten. Die Teilnehmenden führen routinemäßige Konfigurations- und Verwaltungsaufgaben mit Red Hat OpenShift Container Platform und Red Hat OpenShift AI durch und werden danach bewertet, ob sie bestimmte objektive Kriterien erfüllt haben. Im leistungsorientierten Testverfahren müssen die Prüfungsteilnehmer Aufgaben bewältigen, die ähnlich denen sind, die sie im Arbeitsalltag zu erfüllen haben.

Bekanntgabe von Prüfungsergebnissen

Die offiziellen Prüfungsergebnisse werden ausschließlich auf der Website Red Hat Certification Central veröffentlicht. Red Hat erlaubt Prüferinnen und Prüfern oder Trainingspartnern nicht, den Teilnehmenden die Ergebnisse direkt mitzuteilen. In der Regel wird das Ergebnis innerhalb von 3 US-Werktagen mitgeteilt.

Die Prüfungsergebnisse werden in Form einer Gesamtpunktzahl kommuniziert. Red Hat erteilt keine Informationen über einzelne Prüfungselemente und gibt auch auf Anfrage keine weiteren Auskünfte.

Empfohlenes Training

  • Red Hat OpenShift AI Administration (AI263)
  • Creating Machine Learning Models with Red Hat OpenShift AI (AI264)
  • Deploying Machine Learning Models with Red Hat OpenShift AI (AI265)
  • Automating AI/ML workflows with Red Hat OpenShift AI (AI266)

Bitte beachten Sie, dass die oben genannten Kurse als Kurspaket belegt werden können, durch die Teilnahme an:Developing and Deploying AI/ML applications on Red Hat OpenShift AI (AI267)