• Lösungen für künstliche Intelligenz
  • Was ist neu
  • KI-konvergente Infrastrukturen
    • NetApp AIPod mit NVIDIA DGX-Systemen
      • Einführung
      • Hardwarekomponenten
      • Softwarekomponenten
      • Architektur
      • Beispielbereitstellungsdetails
      • Validierungs- und Größenleitfaden
      • Fazit und weitere Informationen
    • NetApp AIPod mit Lenovo für NVIDIA OVX
    • NVIDIA DGX SuperPOD mit EF-Serie
    • BeeGFS auf NetApp mit E-Series-Speicher
    • Implementieren Sie IBM Spectrum Scale mit E-Series-Speicher
    • ONTAP und Lenovo ThinkSystem für KI
  • MLOps und Datenmanagement
    • Open Source MLOps mit NetApp
      • Einführung
      • Technologieübersicht
      • Architektur
      • NetApp Trident -Konfiguration
        • Trident -Backends für AIPod Bereitstellungen
        • Kubernetes StorageClasses für AIPod Bereitstellungen
      • Apache Airflow
        • Apache Airflow-Bereitstellung
        • Verwenden Sie das NetApp DataOps Toolkit mit Airflow
      • JupyterHub
        • JupyterHub-Bereitstellung
        • Verwenden Sie das NetApp DataOps Toolkit mit JupyterHub
        • Datenaufnahme mit NetApp SnapMirror
      • MLflow
        • MLflow-Bereitstellung
        • Rückverfolgbarkeit vom Datensatz zum Modell mit NetApp und MLflow
      • Kubeflow
        • Kubeflow-Bereitstellung
        • Bereitstellen des Jupyter Notebook-Arbeitsbereichs
        • Verwenden Sie das NetApp DataOps Toolkit mit Kubeflow
        • Trainieren eines Bilderkennungsmodells – Beispiel-Workflow
      • Beispiele für Trident -Operationen
      • Beispiele für Hochleistungsjobs für AIPod Bereitstellungen
        • Ausführen einer KI-Workload auf einem einzelnen Knoten
        • Ausführen einer synchronen verteilten KI-Workload
    • Hybrid MLOps mit Domino Data Lab und NetApp
      • Einführung
      • Technologieübersicht
      • Architektur
      • Ersteinrichtung
      • Bereitstellen vorhandener NetApp -Volumes für Domino
      • Greifen Sie in verschiedenen Umgebungen auf dieselben Daten zu
      • Weitere Informationen
    • NVIDIA AI Enterprise mit NetApp und VMware
      • Einführung
      • Technologieübersicht
      • Architektur
      • Ersteinrichtung
      • Verwenden Sie die NVIDIA NGC-Software
        • Aufstellen
        • Anwendungsfallbeispiel – TensorFlow-Trainingsjob
      • Weitere Informationen
    • FSx ONTAP für MLOps
      • Überblick
      • Teil 1 – Integrieren Sie Amazon FSx for NetApp ONTAP als privaten S3-Bucket in AWS SageMaker
      • Teil 2 – Nutzen Sie Amazon FSx for NetApp ONTAP als Datenquelle für das Modelltraining in SageMaker
      • Teil 3 – Erstellen einer vereinfachten MLOps-Pipeline
    • StorageGRID -Datensee für autonomes Fahren
    • NetApp DataOps Toolkit
    • Vector Datenbanklösung mit NetApp
      • Überblick
      • Einführung
      • Lösungsübersicht
      • Vektordatenbank
      • Technologieanforderung
      • Bereitstellungsverfahren
      • Lösungsüberprüfung
        • Überblick
        • Milvus-Cluster-Setup mit Kubernetes vor Ort
        • Milvus mit Amazon FSx ONTAP für NetApp ONTAP – Datei- und Objektdualität
        • Vektordatenbankschutz mit SnapCenter
        • Notfallwiederherstellung mit SnapMirror
        • Leistungsvalidierung
      • Vektordatenbank mit Instaclustr unter Verwendung von PostGreSQL: pgvector
      • Anwendungsfälle für Vektordatenbanken
      • Abschluss
      • Anhang A: values.yaml
      • Anhang B: prepare_data_netapp_new_py
      • Anhang C: verify_data_netapp.py
      • Anhang D: docker_compose.yml
  • KI-Anwendungsfälle
    • NetApp AIPod Mini für Enterprise RAG
    • Verantwortungsvolle KI mit Protopia-Bildtransformation
      • Überblick
      • Lösungsbereiche
      • Technologieübersicht
      • Test- und Validierungsplan
      • Testkonfiguration
      • Testverfahren
      • Vergleich der Inferenzgenauigkeit
      • Verschleierungsgeschwindigkeit
      • Abschluss
      • Weitere Informationen
    • Migration von Big Data Analytics zur KI
    • Edge-KI-Inferenz mit NetApp und Lenovo
      • Einführung
      • Abschluss
    • Generative KI und NetApp -Wert
    • Entwerfen Sie Quantum StorNext mit Systemen der E-Serie
    • Setzen Sie Quantum StorNext mit E-Series-Systemen ein
  • Moderne Datenanalyse
    • Cloud-Datenmanagement mit NetApp File-Object Duality und AWS SageMaker
      • Lösungsübersicht
      • Lösungstechnologie
      • Datendualität für Datenwissenschaftler und andere Anwendungen
      • Abschluss
    • Apache Kafka-Workloads mit NetApp NFS-Speicher
      • Einführung
      • NetApp -Lösung für das dumme Umbenennungsproblem bei der NFS-zu-Kafka-Workload
      • Funktionale Validierung – Dumme Umbenennungskorrektur
      • Warum NetApp NFS für Kafka-Workloads?
      • Leistungsübersicht und -validierung in AWS – Cloud Volume ONTAP
      • Leistungsübersicht und -validierung in AWS – FSx für NetApp ONTAP
      • Leistungsübersicht und -validierung mit AFF vor Ort
      • Abschluss
      • Wo Sie weitere Informationen finden
    • Confluent Kafka mit NetApp ONTAP -Speichercontrollern
      • Überblick
      • Lösung
      • Technologieübersicht
      • Confluent-Leistungsvalidierung
      • Leistungstests mit dem Produce-Consume-Workload-Generator
      • Richtlinien für bewährte Methoden zur Leistung
      • Abschluss
    • NetApp Storage-Lösungen für Apache Spark
      • Lösungsübersicht
      • Zielgruppe
      • Lösungstechnologie
      • Übersicht über die NetApp Spark-Lösungen
      • Zusammenfassung der Anwendungsfälle
      • Wichtige Anwendungsfälle und Architekturen für KI, ML und DL
      • Testergebnisse
      • Hybrid-Cloud-Lösung
      • Python-Skripte für jeden wichtigen Anwendungsfall
      • Abschluss
      • Wo Sie weitere Informationen finden
    • Big Data Analytics: Daten zur künstlichen Intelligenz
      • Einführung
      • Kundenherausforderungen
      • Data Mover-Lösung
      • Data Mover-Lösung für KI
      • GPFS zu NetApp ONTAP NFS
      • HDFS und MapR-FS zu ONTAP NFS
      • Geschäftsvorteile
      • GPFS zu NFS – Detaillierte Schritte
      • MapR-FS zu ONTAP NFS
      • Weitere Informationen
    • Best Practices für Confluent Kafka
      • Einführung
      • Details zur Lösungsarchitektur
      • Technologieübersicht
      • Konfluente Überprüfung
      • Leistungstests mit Skalierbarkeit
      • Confluent S3-Anschluss
      • Konfluente, sich selbst ausbalancierende Cluster
      • Best Practice-Richtlinien
      • Größen
      • Abschluss
    • NetApp Hybrid Cloud-Datenlösungen – Spark und Hadoop basierend auf Kundenanwendungsfällen
      • Lösungsübersicht
      • Data Fabric powered by NetApp für Big Data-Architektur
      • Hadoop-Datenschutz und NetApp
      • Übersicht über Anwendungsfälle für den Hadoop-Datenschutz
      • Anwendungsfall 1 – Sichern von Hadoop-Daten
      • Anwendungsfall 2 – Sicherung und Notfallwiederherstellung aus der Cloud vor Ort
      • Anwendungsfall 3 – DevTest für vorhandene Hadoop-Daten aktivieren
      • Anwendungsfall 4 – Datenschutz und Multicloud-Konnektivität
      • Anwendungsfall 5 – Beschleunigen analytischer Workloads
      • Abschluss
    • Die hybride Iceberg-Lakehouse-Lösung der nächsten Generation von NetApp und Dremio
      • Einführung
      • Lösungsübersicht
      • Technologieanforderungen
      • Bereitstellungsverfahren
      • Übersicht zur Lösungsüberprüfung
      • Kundenanwendungsfälle
      • Abschluss
    • Unterschiedliche Lösungen für unterschiedliche Analysestrategien
    • NetApp StorageGRID mit Splunk SmartStore
      • Einführung
      • Lösungsübersicht
      • Vorteile dieser Lösung
      • Splunk-Architektur
      • StorageGRID -Funktionen für Splunk SmartStore
      • Staffelung und Kosteneinsparungen
      • SmartStore-Leistung für einzelne Standorte
      • Abschluss
    • NetApp E-Series E5700 und Splunk Enterprise
    • Bereitstellen von Apache Spark-Workloads mit NetApp -Speicher
  • Videos
  • Blogs
  • Rechtliche Hinweise