Infraestrutura de IA

Áreas Temáticas	% do Exame	Tópicos Abordados
Configuração Inicial do Sistema e do Servidor	31%	Descrever a sequência de eventos para implantação e validação. Descrever as topologias de rede para fábricas de IA. Realizar a configuração inicial do BMC, OOB e TPM.  Realizar atualizações de firmware (incluindo no HGX™) e detecção de falhas. Validar os parâmetros de energia e resfriamento. Instalar servidores baseados em GPU (SMI). Validar o hardware instalado. Descrever e validar tipos de cabos e transceptores. Instalar GPUs físicas. Validar a operação do hardware para cargas de trabalho. Configurar os parâmetros iniciais para armazenamento de terceiros.
Gerenciamento da Camada Física	5%	Configurar e gerenciar uma plataforma de rede BlueField®. Configurar o MIG (IA e HPC).
Instalação e Configuração do Plano de Controle	19%	Instalar o Base Command™ Manager (BCM), configurar e verificar o HA. Instalar o SO. Instalar o Cluster (configurar a categoria, configurar as interfaces, instalar o Slurm/Enroot/Pyxis). Instalar/atualizar/remover os drivers da GPU NVIDIA e do DOCA™. Instalar o kit de ferramentas de contêineres da NVIDIA. Demonstrar como usar as GPUs da NVIDIA com o Docker. Instalar o NGC™ CLI nos hosts.
Teste e Verificação do Cluster	33%	Realizar um teste de estresse em um único nó. Executar o HPL (Linpack de Alto Desempenho). Executar o NCCL de nó único (incluindo a verificação do NVLink™ Switch). Validar os cabos, verificando a qualidade do sinal. Confirmar que o cabeamento está correto. Confirmar o FW/SW nos switches. Confirmar o FW/SW no BlueField-3. Confirmar o FW nos transceptores. Executar o ClusterKit para realizar uma avaliação de nós multifacetada. Executar o NCCL para verificar a largura de banda da malha E/W. Realizar o burn-in no NCCL. Realizar o burn-in no HPL. Executar o burn-in do NeMo™. Testar o armazenamento.
Resolução de Problemas e Otimização	12%	Identificar e solucionar problemas de hardware (por exemplo, GPU, ventoinha, placa de rede).  Identificar cartões, GPUs e fontes de alimentação com defeito.  Substituir placas, GPUs e fontes de alimentação com defeito.  Executar a otimização de desempenho para servidores AMD e Intel.  Otimizar o armazenamento.