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 l'inférence 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 Nano Banana
- Configuration des environnements de compilation Android et iOS
- Gestion des dépendances et de la compatibilité des versions
Exécution des modèles Nano Banana sur appareils mobiles
- Chargement et exécution de modèles préconstruits
- Contraintes de mémoire et de puissance de calcul sur le matériel mobile
- Stratégies d'inférence en temps réel
Création de fonctions IA avec Nano Banana
- Intégration de fonctionnalités de génération de texte
- Mise en œuvre de flux de travail de génération et d'édition d'images
- Combinaison d'entrées multimodales dans les applications
Optimisation des performances et mesurage
- Profilage de la latence et du débit
- Techniques de quantification, d'élagage et de compression de modèles
- Optimisation de la thermique, de la batterie et de l'utilisation des ressources
Sécurité et confidentialité dans l'IA sur l'appareil
- Gestion des données locales et considérations de conformité
- Protection des modèles et exécution sécurisée
- Risques et stratégies d'atténuation
Modèles de déploiement avancés
- Flux de travail hybrides sur l'appareil et cloud
- Gestion des applications IA hors ligne d'abord
- Passage à l'échelle pour de grandes bases d'utilisateurs
Tests, débogage et amélioration continue
- CI/CD pour les applications mobiles actives par l'IA
- Tests unitaires, d'intégration et de performance
- Mises à jour itératives des modèles et compatibilité rétroactive
Résumé et prochaines étapes
Pré requis
- Compréhension du développement d'applications mobiles
- Expérience avec Python, Kotlin ou Swift
- Familiarité avec les concepts d'apprentissage automatique
Public cible
- Développeurs mobiles
- Ingénieurs en 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