EX267

Red Hat Certified Specialist in OpenShift AI (EX267)

Visão geral

Descrição do exame

O exame Red Hat Certified Specialist in OpenShift AI testa a capacidade dos candidatos de implantar o OpenShift AI e configurá-lo para criar, implantar e gerenciar modelos de machine learning (aprendizado de máquina) para dar suporte a aplicações com IA.

Com a aprovação no exame, você receberá a credencial Red Hat Certified Specialist OpenShift AI, que também poderá ser usada para obter a certificação Red Hat Certified Architect (RHCA®).

Este exame é baseado no Red Hat OpenShift AI versão 2.13 e Red Hat OpenShift Container Platform versão 4.17.

Público-alvo

  • Arquitetos de sistema e software que precisam comprovar conhecimento sobre as funcionalidades do Red Hat OpenShift AI.
  • Administradores de sistemas ou desenvolvedores que precisam demonstrar a capacidade de configurar, suportar e manter o OpenShift AI para dar suporte a aplicações com IA.
  • Cientistas de dados que precisam demonstrar que sabem usar o OpenShift AI para desenvolver, treinar, servir, testar e monitorar aplicações e modelos de inteligência artificial e machine learning.
  • Red Hat Certified Engineers que desejam se tornar Red Hat Certified Architects (RHCA)

Pré-requisitos do exame

Os candidatos deste exame devem:

Objetivos

Preparação

Tópicos de estudo para o exame

Os candidatos ao Red Hat Certified Specialist in OpenShift AI devem conseguir realizar as tarefas abaixo. A documentação específica da solução relevante será fornecida, mas os candidatos precisam estar preparados para realizar as tarefas sem assistência.

  • Instalar o Red Hat OpenShift AI (RHOAI)
  • Configurar e gerenciar o RHOAI
    • Gerenciar recursos e permissões de usuários e grupos
    • Gerenciar o objeto DataScienceCluster
    • Criar e publicar imagens personalizadas do notebook
    • Importar imagens personalizadas do notebook
    • Gerenciar a eliminação de notebooks ociosos
    • Personalizar os tamanhos padrão do workbench e do modelo de servidor
  • Trabalhar com projetos de ciência de dados
    • Criar, modificar e excluir projetos de ciência de dados
    • Gerenciar permissões de projetos de ciência de dados
  • Usar workbenches de ciência de dados
    • Entender o ecossistema do Jupyter
    • Criar, modificar e excluir workbenches
    • Iniciar e interromper workbenches
    • Gerenciar conexões de dados
    • Gerenciar objetos de solicitação de volume persistente
    • Inspecionar recursos do workbench
  • Usar o Git para gerenciar Jupyter notebooks de maneira colaborativa
    • Fazer upload de um notebook existente a partir de um repositório git
    • Enviar notebooks atualizados para um repositório git
  • Trabalhar com modelos de machine learning (aprendizado de máquina)
    • Entender os conceitos básicos de machine learning
    • Treinar modelos em Python usando bibliotecas de base conhecidas
    • Carregar dados de maneira escalável
    • Monitorar e avaliar o processo de treinamento
  • Salvar e carregar modelos
    • Salvar, exportar e compartilhar modelos
    • Implantar modelos como aplicações Python
    • Criar um runtime personalizado no KServe
    • Implantar um modelo usando ModelMesh
  • Criar pipelines de ciência de dados
    • Criar pipelines com Elyra
    • Criar pipelines com Kubeflow

O que você precisa saber

Preparação

A Red Hat recomenda que os candidatos considerem fazer o curso Developing and Deploying AI/ML Applications on Red Hat OpenShift AI (AI267)  como auxílio na preparação.  A participação nessas aulas não é obrigatória; os alunos podem optar por fazer apenas o exame.

Embora a participação nas aulas da Red Hat possa ser importante para a sua preparação, isso não garante a aprovação no exame. Experiência anterior, prática e aptidão natural também são fatores importantes para o sucesso.

Há diversos livros e outros recursos sobre administração de sistemas para soluções Red Hat disponíveis. A Red Hat não reconhece nenhum desses materiais como guias de preparação para os exames. Porém, a leitura adicional pode ser útil para aprofundar a sua compreensão.

Formato do exame

Este exame é uma avaliação baseada em desempenho que testa se o candidato tem as habilidades e os conhecimentos necessários para configurar e gerenciar o Red Hat OpenShift AI. O candidato vai realizar as tarefas de configuração e administração de rotina com o Red Hat OpenShift Container Platform e Red Hat OpenShift AI e será avaliado se atingiu ou não os critérios objetivos específicos. Nos exames baseados em desempenho, os candidatos precisam realizar tarefas semelhantes às que realizam no trabalho.

Este exame consiste em uma sessão única com duração de três horas.

Pontuações e relatórios   

As pontuações oficiais dos exames são provenientes exclusivamente da Red Hat Certification Central. A Red Hat não autoriza os examinadores ou parceiros de treinamento a informarem os resultados diretamente aos candidatos. Os resultados do exames, normalmente, são divulgados em até três dias úteis (EUA).

Os resultados do exame são divulgados como pontuações totais. A Red Hat não divulga o desempenho em itens individuais nem oferece informações adicionais mediante solicitação.

Aba de treinamentos recomendados

  • 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)

Os cursos acima podem ser realizados como um pacote no curso: Developing and Deploying AI/ML applications on Red Hat OpenShift AI (AI267)