Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Introduction à l'IA sur l'appareil avec Nano Banana
- Principes fondamentaux de la déduction (inference) sur l'appareil.
- Architecture et capacités du modèle Nano Banana.
- Considérations relatives au déploiement sur les plateformes mobiles.
Configuration de Nano Banana et environnement de développement
- Installation des outils SDK de Nano Banana.
- Configuration des environnements de build pour Android et iOS.
- Gestion des dépendances et de la compatibilité des versions.
Exécution des modèles Nano Banana sur les appareils mobiles
- Chargement et exécution de modèles préfabriqués.
- Contraintes de mémoire et de calcul sur le matériel mobile.
- Stratégies de déduction en temps réel.
Création de fonctionnalités IA avec Nano Banana
- Intégration des fonctionnalités de génération de texte.
- Mise en œuvre de workflows de génération et d'édition d'images.
- Combinaison d'entrées multimodales dans les applications.
Optimisation des performances et benchmarking
- Profilage de la latence et du débit (throughput).
- Techniques de quantification, d'élagage et de compression de modèles.
- Optimisation de la consommation thermique, de la batterie et des ressources.
Sécurité et confidentialité dans l'IA sur l'appareil
- Gestion locale des données et considérations de conformité.
- Protection des modèles et exécution sécurisée.
- Risques et stratégies d'atténuation.
Modèles avancés de déploiement
- Workflows hybrides sur l'appareil et dans le cloud.
- Gestion des applications IA « offline-first ».
- Passage à l'échelle pour de grandes bases utilisateurs.
Tests, débogage et amélioration continue
- CI/CD pour les applications mobiles alimentées par l'IA.
- Tests unitaires, d'intégration et de performance.
- Mises à jour itératives des modèles et compatibilité ascendante.
Conclusion et prochaines étapes
Pré requis
- Une connaissance du développement d'applications mobiles.
- Une expérience avec Python, Kotlin ou Swift.
- Une familiarité avec les concepts d'apprentissage automatique.
Public cible
- Développeurs mobiles.
- Ingénieurs IA.
- Professionnels techniques explorant le déploiement de l'IA sur l'appareil.
Nos clients témoignent (1)
Fluidez, ambiance et thème de la présentation
Lukasz Kowalczyk - Allegro Sp. z o.o.
Formation - Google Gemini AI for Data Analysis
Traduction automatique
