Green AI - l'intelligence artificielle responsable

Définir le périmètre du green AI Identifier les grands postes de dépenses et de gâchis en Machine Learning Assimiler l'état de l'art des alternatives en termes d'algorithmes de Machine Learning, notamment pour les réseaux neuronaux, ainsi qu'en termes de matériels hardware Découvrir les leviers méthodologiques que nous pouvons utiliser à très court terme dans une démarche de Data Science Contribuer à l'adoption d'un comportement d'éco-conception en Machine Learning Utiliser les outils d'éco-conception en Machine Learning Quantifier l'empreinte CO2 d'un modèle : de la conception à son usage en production

Désormais, les entreprises se doivent d'être durables et responsables. La sobriété numérique n'est plus une option et ce constat concerne bien évidemment l'Intelligence Artificielle. Cette formation, à destination des data scientists et des CDO, pose un regard différent sur la matière manipulée et la méthodologie afin de questionner la recherche frénétique de performance, pour promouvoir une IA plus frugale. Durant deux jours, nous passerons en revue les différentes étapes, entre la première idée et son implémentation en production, afin d'identifier les grands "postes de dépenses et gâchis énergétiques". Nous aborderons également leur optimisation et réduction au travers des principaux leviers à votre disposition : code, hardware et méthodologie. A la fin de cette formation, vous aurez une compréhension solide des bonnes pratiques et outils pour vous permettre d'établir le bilan énergétique de vos modèles de Machine Learning en production et d'éco-concevoir les nouveaux.

Attestation de suivi de présence

Une bonne connaissance des principaux algorithmes de ML (Machine Learning). Connaissance des reseaux de neurones.