Examen NCA-GENL : format, domaines et préparation

À qui s'adresse l'examen NCA-GENL

La page de l'examen chez NVIDIA présente la certification Generative AI LLMs (NCA-GENL) comme « un titre de niveau débutant » (traduction) qui valide les notions de base pour développer, intégrer et maintenir des applications d'IA reposant sur l'IA générative et les grands modèles de langage (LLM), avec les solutions NVIDIA. Le niveau est Associate, et le prérequis indiqué est « une compréhension de base de l'IA générative et des grands modèles de langage » (traduction).

La page décrit le rôle visé comme celui d'un développeur associé qui contribue au développement, à la programmation et à l'assurance qualité de systèmes LLM d'IA générative, en équipe : constituer des jeux de données, choisir et entraîner des modèles, les tester et les déboguer. Plusieurs sujets sont formulés « sous la supervision d'un membre senior de l'équipe » : l'examen attend quelqu'un capable de participer à ce travail, pas de le diriger.

Format de l'examen

Le mode de résultat vient de la FAQ des certifications NVIDIA, qui précise que ses examens se soldent par une réussite ou un échec. La même FAQ impose un délai de 14 jours avant de repasser un examen, un maximum de cinq tentatives pour un même examen sur 12 mois, et aucune pause pendant un examen surveillé à distance. L'accès à l'examen passe par un compte Certiverse.

Domaines et pondérations

La page de l'examen liste cinq domaines, chacun avec son poids et ses sujets. Les deux domaines les plus techniques, connaissances de base et développement logiciel, pèsent plus de la moitié de l'examen. Les intitulés sont en anglais.

Points à retenir

• Recouvrements : plusieurs sujets figurent dans deux domaines, par exemple la construction de cas d'usage LLM et les paquets Python de traitement du langage (connaissances de base et développement logiciel), ou l'extraction d'enseignements de gros jeux de données (connaissances de base et analyse de données). Les étudier une fois couvre les deux.
• Le ML classique compte encore : feature engineering, validation croisée et analyses de ML traditionnel avec des paquets Python côtoient les sujets LLM.
• RLHF : le domaine Experimentation cite l'apprentissage par renforcement à partir de retours humains, pour la préparation des jeux de données comme pour la collecte de données auprès de personnes.
• Lectures : chaque domaine propose des lectures, parmi lesquelles « Attention Is All You Need », LoRA, le cours LLM de Hugging Face, le démarrage rapide de Triton Inference Server, TensorRT et les bonnes pratiques NeMo.

Comment se préparer

1. Lisez la page de l'examen NCA-GENL sur nvidia.com (en anglais) et reportez chaque sujet des cinq domaines dans une liste de contrôle.
2. Lisez la FAQ et les règles d'examen avant de réserver : nouvelle tentative, pauses, surveillance en ligne.
3. Suivez les deux cours du parcours affiché sur la page de l'examen : « Fundamentals of Deep Learning » (supports en open source) et « Rapid Application Development with Large Language Models (LLMs) ».
4. Choisissez deux ou trois lectures par domaine plutôt que toutes, en commençant par le domaine Core Machine Learning and AI Knowledge, le plus lourd.
5. Construisez un petit pipeline RAG de bout en bout : découper des documents, créer les embeddings, les ranger dans une base vectorielle, les interroger avec un prompt, puis évaluer les réponses sur quelques questions de test. Il touche des sujets de trois domaines à la fois.
6. Révisez à part le ML classique et les statistiques : fonctions de perte, variance expliquée, validation croisée, feature engineering.
7. Passez notre examen blanc NCA-GENL en temps limité, puis reprenez chaque question manquée dans le mode révision gratuit.
8. Peu avant l'examen, relisez la page de l'examen au cas où les sujets, le parcours ou les conditions auraient changé.