EX267

红帽认证 AI 开发人员

概述

考试说明

红帽认证 OpenShift AI 专家考试旨在测试考生在以下方面的能力：部署 OpenShift AI 并进行配置，以构建、部署和管理用于支持 AI 应用的机器学习模型。

通过这门考试后，您即可成为红帽认证 AI 开发人员。

本考试基于红帽 OpenShift AI 版本 2.13 和红帽 OpenShift 容器平台版本 4.17。

 考试目标

考试要点

红帽认证 OpenShift AI 专家的考生应具备完成以下任务的能力。  考生会获得相关的具体产品文档，不过需做好在没有任何帮助的情况下执行这些任务的准备。

  • 了解红帽 OpenShift AI 架构和基础知识
    • 了解 RHOAI 与 OpenShift 容器平台的关系
    • 了解 MLOps、GenAIOps 和 AI/ML 概念
    • 了解 RHOAI 组件在数据科学项目中的工作原理
  • 管理数据科学项目和工作台
    • 创建、配置和管理项目及权限
    • 使用自定义镜像、版本和大小创建和编辑工作台
    • 构建和导入自定义工作台镜像
    • 使用 TensorBoard 监控资源使用情况和训练流程
  • 配置数据连接
    • 创建连接（S3、数据库等）
    • 存储和检索来自外部服务的数据和工件
  • 标识和分配资源
    • 使用 nodeSelector 和 tolerations
    • 将工作台和模型服务器分配到特定节点
  • 部署和提供模型
    • 了解模型服务工作流和 KServe 架构
    • 使用标准和高级模式部署模型
    • 将模型存储在 S3 存储桶、OCI 容器或 PVC 中
    • 利用 OpenVINO 运行时提供预测模型
    • 使用 vLLM 运行时部署和提供 LLM
    • 创建和配置自定义服务运行时
  • 使用模型注册表管理模型
    • 将模型打包为 OCI 镜像工件
    • 在模型注册表中注册模型并进行版本管理
    • 从模型注册表部署模型
    • 查询模型注册表 API
  • 监控 AI 模型和性能
    • 使用 TrustyAI 监控模型偏差和数据偏差
    • 使用 OpenShift 监控堆栈和 Grafana 监控硬件资源消耗
    • 分析资源利用率并根据监控数据分析进行优化
  • 创建和管理数据科学管道
    • 使用 Elyra 和 KubeFlow SDK 创建管道服务器和管道
    • 使用容器组件并管理工件
    • 在管道中配置 Kubernetes 功能
    • 使用实验来比较管道运行
  • 优化和评估模型
    • 从 RHOAI 目录和 Hugging Face 中选择模型
    • 使用 LLM Compressor 优化模型（压缩和量化）
    • 使用 LMEval，通过标准和自定义基准测试评估 LLM 性能
  • 构建 GenAI 应用
    • 了解和应用 GenAI 应用模式
    • 使用流式响应构建简单的 GenAI 应用
    • 使用向量数据库和文档处理构建 RAG 应用
    • 使用工具和多步骤推理构建代理式应用
    • 实施内容安全护栏和输入/输出验证
  • 与 Git 协作并开发 ML 模型
    • 使用 Git 版本控制来管理 Jupyter Notebook
    • 使用基础 ML 库在 Python 中训练模型
    • 以可扩展的方式加载数据并保存/导出模型
  • 部署和存储模型
    • 使用 OpenShift AI 界面部署模型（标准模式和高级模式）
    • 使用 S3 存储桶、OCI 容器或持久卷声明来存储模型
    • 了解支持的模型存储位置
    • 配置模型部署设置
 考生须知

备考

红帽建议您考虑学习在红帽 OpenShift AI 上开发和部署 AI/ML 应用（AI267）课程来帮助您备考。

考试形式

在预约考试之前，请务必查看红帽认证计划指南，以确保您熟悉所有官方政策和考试流程。

此项考试是一项基于实际操作能力的考试，旨在评估考生配置和管理红帽 OpenShift AI 的技能和知识水平。考生使用红帽 OpenShift 容器平台和红帽 OpenShift AI 来执行日常配置和管理任务，并接受相应的评估，以确定他们是否达到了规定的考核标准。实际任务操作型考试意味着考生必须执行类似日常工作职责的任务操作。

成绩及公布    

考试的官方成绩由红帽认证中心独家公布。红帽未授权考官或培训合作伙伴直接向考生公布考试结果。考试成绩通常会在 3 个美国工作日内公布。

公布的考试结果为总分。红帽不公布单个项目的成绩，也不会应考生要求提供额外信息。

 考试对象和前提条件

考试对象

  • 需要证明其了解红帽 OpenShift AI 特性和功能的系统及软件架构师。
  • 需要证明其能够配置、支持和维护 OpenShift AI 的系统管理员或开发人员。
  • 需要证明其了解使用 OpenShift AI 来开发、训练、服务、测试和监控 AI/ML 模型及应用的数据科学家。

考试前提条件

考生应具备以下条件：

选择您的地点

开始

更多技能提升途径

尽享双重优势：专家主导的虚拟培训和自定进度学习，更有专家指导与认证考试加持。一切尽在红帽培训订阅。

可提供上门培训

如果您想对整个团队进行培训，可以选择在您的场所或者远程进行。

红帽培训订阅

提供关于红帽产品的全面培训和学习路径、行业认可的认证以及灵活动态的 IT 学习体验。