NVIDIA NCA-GENL Deployment, Inference, and Operations

Use for model serving, inference optimization, GPU runtime, NVIDIA deployment tooling, scaling, monitoring, and operational or governance choices.

試験Exams
NCA-GENL
問題数Questions
13
コメント数Comments
0
1 13

表示中 13 / 13 問

1. NCA-GENL トピック 2 問題 11. NCA-GENL Topic 2 Question 1

問題Question

GPU でのデータ準備操作を高速化するためにどのライブラリが使用されますか?

  • A. cuML
  • B. XGブースト
  • C. CUDF
  • D. キュグラフ

Which library is used to accelerate data preparation operations on the GPU?

  • A. cuML
  • B. XGBoost
  • C. cuDF
  • D. cuGraph

2. NCA-GENL トピック 2 問題 42. NCA-GENL Topic 2 Question 4

問題Question

データ分析プロジェクトに RAPIDS と Python を使用しています。 RAPIDS がどのようにデータ サイエンスを加速するかを最もよく説明しているステートメントのペアはどれですか?

  • A. RAPIDS は、計算量の多い計算を GPU 上で処理できるようにし、CPU と GPU 間のメモリ転送を最小限に抑えます。
  • B. RAPIDS は CPU 処理に焦点を当てており、従来の Python ライブラリと比較して高速な速度を提供します。
  • C. RAPIDS は、ワードダブリングによって PCIE バスのスループットを高速化する機能を提供する Python ライブラリです。
  • D. RAPIDS は、CPU-GPU メモリ転送のロスレス圧縮を提供し、データ分析を高速化します。

You are using RAPIDS and Python for a data analysis project. Which pair of statements best explains how RAPIDS accelerates data science?

  • A. RAPIDS enables on-GPU processing of computationally expensive calculations and minimizes CPU-GPU memory transfers.
  • B. RAPIDS focuses on CPU processing, providing faster speeds compared to traditional Python libraries.
  • C. RAPIDS is a Python library that provides functions to accelerate the PCIE bus throughput via word-doubling.
  • D. RAPIDS provides lossless compression of CPU-GPU memory transfers to speed up data analysis.

3. NCA-GENL トピック 2 問題 93. NCA-GENL Topic 2 Question 9

問題Question

CPU と GPU 間のスループットの制限を克服する方法は何ですか?

  • A. メモリプーリングなどの技術を使用します。
  • B. GPUを上位モデルにアップグレードします。
  • C. CPUのクロック速度を上げます。
  • D. CPUコアの数を増やします。

What are some methods to overcome limited throughput between CPU and GPU?

  • A. Using techniques like memory pooling.
  • B. Upgrade the GPU to a higher-end model.
  • C. Increase the clock speed of the CPU.
  • D. Increase the number of CPU cores.

4. NCA-GENL トピック 4 問題 14. NCA-GENL Topic 4 Question 1

問題Question

Open Neural Network Exchange (ONNX) フォーマットは何に使用されますか?

  • A. 深層学習モデルの表現
  • B. ニューラルネットワークのトレーニング時間の短縮
  • C. 深層学習モデルの圧縮
  • D. ニューラル ネットワークに関する文献の共有

What is the Open Neural Network Exchange (ONNX) format used for?

  • A. Representing deep learning models
  • B. Reducing training time of neural networks
  • C. Compressing deep learning models
  • D. Sharing neural network literature

5. NCA-GENL トピック 4 問題 35. NCA-GENL Topic 4 Question 3

問題Question

Nvidia Triton Inference Server の機能は次のうちどれですか?

  • A. モデルの量子化
  • B. 動的バッチ処理
  • C. グラデーションクリッピング
  • D. モデルの枝刈り

Which of the following is a feature of the Nvidia Triton Inference Server?

  • A. Model quantization
  • B. Dynamic batching
  • C. Gradient clipping
  • D. Model pruning

6. NCA-GENL トピック 4 問題 46. NCA-GENL Topic 4 Question 4

問題Question

Tensor-RT と ONNX について正しい主張は次のうちどれですか?

  • A. Tensor-RT はモデルのデプロイメントに使用され、ONNX はモデルの交換に使用されます。
  • B. Tensor-RT はモデルのデプロイメントに使用され、ONNX はモデルの作成に使用されます。
  • C. Tensor-RT はモデルの作成に使用され、ONNX はモデルの交換に使用されます。
  • D. Tensor-RT はモデルの作成に使用され、ONNX はモデルのデプロイに使用されます。

Which of the following claims is correct about Tensor-RT and ONNX?

  • A. Tensor-RT is used for model deployment and ONNX is used for model interchange.
  • B. Tensor-RT is used for model deployment and ONNX is used for model creation.
  • C. Tensor-RT is used for model creation and ONNX is used for model interchange.
  • D. Tensor-RT is used for model creation and ONNX is used for model deployment.

7. NCA-GENL トピック 4 問題 57. NCA-GENL Topic 4 Question 5

問題Question

深層学習の文脈における量子化に関して正しい主張は次のうちどれですか? (2つお選びください。)

  • A. パラメータのビット数を減らすだけです。
  • B. 量子化は電力を節約し、熱生成を減らすのに役立つ可能性があります。
  • C. これはモデルの精度の大幅な低下につながります。
  • D. これは、値がゼロである重みの量を削除することから構成されます。
  • E. メモリ要件を削減し、キャッシュの使用率を向上させるのに役立ちます。

Which of the following claims is correct about quantization in the context of Deep Learning? (Choose two.)

  • A. It only involves reducing the number of bits of the parameters.
  • B. Quantization might help in saving power and reducing heat production.
  • C. It leads to substantial loss of model accuracy.
  • D. It consists in removing a quantity of weights whose values are zero.
  • E. Helps reduce memory requirements and achieve better cache utilization.

8. NCA-GENL トピック 4 問題 68. NCA-GENL Topic 4 Question 6

問題Question

TensorRT によって提供される最適化は次のうちどれですか? (2つお選びください。)

  • A. データの増強
  • B. 可変学習率
  • C. マルチストリームの実行
  • D. レイヤーフュージョン
  • E. 残留接続

Which of the following optimizations are provided by TensorRT? (Choose two.)

  • A. Data augmentation
  • B. Variable learning rate
  • C. Multi-Stream Execution
  • D. Layer Fusion
  • E. Residual connections

9. NCA-GENL トピック 4 問題 79. NCA-GENL Topic 4 Question 7

問題Question

NVIDIA NGC カタログの目的は何ですか?

  • A. ソフトウェア アプリケーションのテストとデバッグのためのプラットフォームを提供する。
  • B. 開発者がソフトウェア開発プロジェクトを共同作業および共有するためのプラットフォームを提供する。
  • C. ソフトウェア開発ツールとリソースを売買するためのマーケットプレイスを提供する。
  • D. GPU に最適化された AI およびデータ サイエンス ソフトウェアの厳選されたコレクションを提供します。

What is the purpose of the NVIDIA NGC catalog?

  • A. To provide a platform for testing and debugging software applications.
  • B. To provide a platform for developers to collaborate and share software development projects.
  • C. To provide a marketplace for buying and selling software development tools and resources.
  • D. To provide a curated collection of GPU-optimized AI and data science software.

10. NCA-GENL トピック 5 問題 210. NCA-GENL Topic 5 Question 2

問題Question

次のオプションのうち、Nemo Guardrails プラットフォームを最もよく表しているものはどれですか?

  • A. 事前トレーニングと推論における大規模な言語モデルのスケーラビリティとパフォーマンスを確保します。
  • B. さまざまな形式のデータを解釈して統合できる高度な機械学習モデルを開発および設計します。
  • C. 事前定義されたルールと規制の遵守を監視および強制することで、人工知能システムの倫理的な使用を確保します。
  • D. 言語モデルのコンテキストで生成 AI サービス用の高度なデータ ファクトリを構築します。

Which of the following options describes best the Nemo Guardrails platform?

  • A. Ensuring scalability and performance of large language models in pre-training and inference.
  • B. Developing and designing advanced machine learning models capable of interpreting and integrating various forms of data.
  • C. Ensuring the ethical use of artificial intelligence systems by monitoring and enforcing compliance with predefined rules and regulations.
  • D. Building advanced data factories for generative AI services in the context of language models.

11. NCA-GENL トピック 5 問題 311. NCA-GENL Topic 5 Question 3

問題Question

Trustworthy AIの開発において、原則としての「認証」の意味は何ですか？

  • A. これにより、AI システムの意思決定プロセスの透明性が確保されます。
  • B. AI システムは社会への影響を倫理的に考慮して開発することが求められます。
  • C. これには、AI モデルが地域または業界固有の基準に従って意図された目的に適合していることを検証することが含まれます。
  • D. AI モデルは、導入地域や業界に特有の関連法規に準拠することが義務付けられています。

In the development of Trustworthy AI, what is the significance of ‘Certification’ as a principle?

  • A. It ensures that AI systems are transparent in their decision-making processes.
  • B. It requires AI systems to be developed with an ethical consideration for societal impacts.
  • C. It involves verifying that AI models are fit for their intended purpose according to regional or industry-specific standards.
  • D. It mandates that AI models comply with relevant laws and regulations specific to their deployment region and industry.

12. NCA-GENL トピック 5 問題 412. NCA-GENL Topic 5 Question 4

問題Question

機密コンピューティングとは何ですか?

  • A. コンピューターのハードウェアとソフトウェアを潜在的な脅威から保護するための技術。
  • B. 説明可能、公平、検証可能な方法で AI システムを設計および適用するためのプロセス。
  • C. AI モデルの出力を人間の信念と一致させるための手法。
  • D. AI システムでさまざまな形式のデータを解釈して統合するための方法。

What is confidential computing?

  • A. A technique for securing computer hardware and software from potential threats.
  • B. A process for designing and applying AI systems in a manner that is explainable, fair, and verifiable.
  • C. A technique for aligning the output of the AI models with human beliefs.
  • D. A method for interpreting and integrating various forms of data in AI systems.

13. NCA-GENL トピック 5 問題 513. NCA-GENL Topic 5 Question 5

問題Question

信頼できる AI を構築するために広く認識されている原則は次のうちどれですか? (2つお選びください。)

  • A. 会話型
  • B. 低遅延
  • C. プライバシー
  • D. スケーラビリティ
  • E. 無差別

Which of the following principles are widely recognized for building trustworthy AI? (Choose two.)

  • A. Conversational
  • B. Low latency
  • C. Privacy
  • D. Scalability
  • E. Nondiscrimination