目錄
本文是從官方資料建出來的備考路徑，不是應考實錄 —— 作者沒有報考這張考試。所有「考什麼」都指回 NVIDIA 官方認證頁與官方 Exam Study Guide，不含考古題。查證日期：2026-08-18。
NCA-GENM 跟 NCA-GENL 同價（$125）、同時長（1 小時）、同級別（associate），但兩張是平行的兄弟而不是階梯 —— 一張走 LLM，一張走多模態（文字、影像、音訊）。
各家證照的價格、效期與門檻對照見站內的2026 年工程師 AI 證照有哪些，本文不重複。
七塊權重，以及與 NCA-GENL 的差異
| 主題 | NCA-GENM | 對照 NCA-GENL |
|---|---|---|
| Experimentation | 25% | 22% |
| Core Machine Learning and AI Knowledge | 20% | 30% |
| Multimodal Data | 15% | —（沒有這塊） |
| Software Development | 15% | 24% |
| Data Analysis and Visualization | 10% | 14% |
| Performance Optimization | 10% | —（沒有這塊） |
| Trustworthy AI | 5% | 10% |
三個變化決定了準備方向：Experimentation 升到最重的 25%；多出 Multimodal Data 15% 與 Performance Optimization 10% 兩塊全新的；Core ML 從 30% 降到 20%、Trustworthy AI 從 10% 砍半到 5%。
也就是說：如果你已經考過或準備過 NCA-GENL，這張有大約四分之一是全新內容，其餘是同一套骨架換題材。
官方規格速覽
| 項目 | 內容 |
|---|---|
| 費用 | $125 |
| 時間 | 1 小時 |
| 題數 | 官方頁面同樣並存兩個數字：內文「includes 50 questions」、規格欄「50-60 multiple-choice」 |
| 及格 | 不公布（pass/fail，不給分數） |
| 效期 | 2 年，只能重考 |
| 語言 | 僅英文 |
| 先修 | 「A basic understanding of generative AI」 |
| 報名 | 已開放（直接連 Certiverse 結帳，與兩張 professional 的 Coming soon 不同） |
成本結構的雷：兩門必備課只有講師版
這是這張跟其他 NVIDIA 證照最不一樣的地方。官方建議的五門課裡，有兩門沒有自學選項：
| 官方建議課程 | 自學版 | 講師版 |
|---|---|---|
| Getting Started With Deep Learning ／ Fundamentals of Deep Learning | 8 小時 $90 | 8 小時 $500 |
| Introduction to Transformer-Based NLP ／ Building Transformer-Based NLP Applications | 6 小時 $30 | 8 小時 $500 |
| Building Conversational AI Applications | 無 | 8 小時 $500 |
| Generative AI With Diffusion Models | 8 小時 $90 | 8 小時 $500 |
| Building AI Agents with Multimodal Models | 無 | 8 小時 $500 |
自學能買到的只有三門，合計 $210；剩下兩門要走講師課，合計 $1,000。
對照 NCA-GENL（五門都有自學版、全買 $390），這張的自學路線先天蓋不滿官方建議。
實務建議：別為了那兩門花 $1,000。 它們對應的內容（對話式 AI 應用、多模態 agent）可以用官方文件與開源專案自己練 —— 特別是 Building AI Agents with Multimodal Models 那門，主題在多模態 agent，而這張的 blueprint 裡並沒有「agent」這個獨立領域。真正必買的是 Generative AI With Diffusion Models（$90），它直接對應 Software Development 那 15% 裡的 U-Net 與 CLIP 條目。
逐塊準備
Experimentation（25%，最重）
官方考什麼：協助開發與測試多模態 AI 模型；管理與前處理來自多種來源的資料；用多模態模型提升可解釋性；在多模態情境下測試資料品質與一致性；測試模型以確保準確與有效。
怎麼準備：這塊在 NCA-GENL 是 22%、在這張升到 25%，而且題材換成多模態。重點在**「跨模態的一致性」** —— 文字與影像對不齊、音訊與時間軸偏移，這類問題是多模態獨有的。
Core Machine Learning and AI Knowledge（20%）
官方考什麼：控制多模態情境下的訓練穩定性；多模態損失函數；ML 基礎（特徵工程、模型比較、交叉驗證）；非序列神經網路與殘差連結；設計評估多模態管線的統計分析；多模態專屬的遷移學習；新興趨勢；能源效率與可信賴的多模態模型；prompt engineering；深度學習框架（TensorFlow、PyTorch）。
怎麼準備：多模態損失函數與訓練穩定性是這塊的核心，也是跟 NCA-GENL 差最多的地方。殘差連結與非序列網路屬於基礎架構知識，官方那門 $90 的 Deep Learning 入門課涵蓋得到。
Multimodal Data（15%，新增）
官方定義：「跨文字、影像、音訊、時間序列與地理空間等多元資料型態的整合、策展與品質評估，並處理各模態間缺失或不完整資訊的挑戰」。
怎麼準備：這塊的關鍵詞是缺失模態（modality missingness）—— 某一筆資料只有影像沒有音訊時怎麼辦。地理空間與時間序列也被官方列進來，範圍比多數人想的寬。
Software Development（15%）
官方描述：「設計與實作神經網路架構，例如用於生成影像的 U-Net、整合 CLIP 這類文字轉影像模型，並運用 prompt engineering… 包含熟悉 Riva、NeMo、Triton、Avatar Cloud Engine（ACE） 等 NVIDIA SDK」。
具體條目包含：用 U-Net 從純雜訊生成影像、把 U-Net 當成一種 autoencoder；用 CLIP 從英文 prompt 生成影像、用 CLIP 訓練文字轉影像的擴散模型。
怎麼準備：這是全張最具體、最能動手的一塊，也是 $90 那門 Diffusion Models 課的正中紅心。四個 NVIDIA SDK（Riva、NeMo、Triton、ACE）要知道各自負責什麼：語音、模型建構、推論服務、虛擬人。
Data Analysis and Visualization（10%）與 Performance Optimization（10%）
Data Analysis 除了常見的圖表與趨勢辨識，多了一條 「多模態情境下的 attention map」 —— 這是可解釋性的具體做法，跟 Experimentation 那塊的「用多模態模型提升可解釋性」互相呼應。
Performance Optimization（新增）：提升運算效率與輸出準確度；調校超參數；多模態專屬遷移學習；在指導下協助模型訓練與訓練最佳化。
Trustworthy AI（5%）
四條「描述」層級的條目：倫理原則、資料隱私與同意的平衡、用 NVIDIA 與其他技術提升可信度、降低偏誤。權重從 NCA-GENL 的 10% 砍半，讀過官方免費的 Trustworthy AI 頁面即可。
三週時程與換算依據
換算方式：與 NCA-GENL 同級同時長，內容量相當，所以同樣抓三週。差別在你從哪裡來：
情境 A：做過 LLM／NLP，沒碰過影像與音訊
| 週次 | 內容 |
|---|---|
| 第 1 週 | Software Development（15%）：U-Net、CLIP、擴散模型 —— 直接上 $90 那門課並動手跑 |
| 第 2 週 | Multimodal Data（15%）+ Core ML 的多模態部分（損失函數、訓練穩定性） |
| 第 3 週 | Experimentation（25%）+ Data Analysis（10%）+ Performance Optimization（10%）+ Trustworthy AI（5%） |
情境 B：做過電腦視覺，沒碰過 LLM
把第 1 週換成 Transformer 入門（官方 $30 那門）與 prompt engineering，其餘相同。
限時練習同樣重要：一小時 50–60 題，平均每題約一分鐘，而且不會給你分數診斷。
失敗成本：官方 FAQ 規定沒過等 14 天、同一張考試 12 個月內最多五次，每次都要重新購買。
兩年效期，只能重考
跟其他三張 NVIDIA 證照相同：兩年、只能靠重考續期、沒有繼續教育路徑也沒有折扣。兩年後再付 $125。
會過期的東西（下次複查看這裡）
| 項目 | 現況（2026-08-18 查證） | 什麼時候要重查 |
|---|---|---|
| 七塊權重 | 25 / 20 / 15 / 15 / 10 / 10 / 5 | 每季 |
| 題數 | 官方頁面並存 50 與 50–60 兩個數字 | 每半年 |
| 兩門課只有講師版 | Building Conversational AI Applications、Building AI Agents with Multimodal Models | 每季 |
| 費用 | 考試 $125；自學課 $30–$90；講師課 $500 | 每季 |
參考資料
站內相關
Loading...