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.
Plan du cours
Introduction à Nano Banana
- Vue d’ensemble du framework et de ses capacités
- Compréhension de l’architecture et du pipeline de traitement
- Comparaison de Nano Banana avec d’autres solutions d’IA locale
Mise en place de l’environnement de développement
- Préparation d’Android Studio pour les charges de travail d’IA
- Intégration du SDK Nano Banana
- Configuration du projet et gestion des dépendances
Utilisation des APIs Nano Banana
- Découverte des méthodes API principales
- Chargement et gestion des modèles légers
- Exécution des tâches d’inférence en temps réel
Optimisation des performances d’IA sur Android
- Stratégies pour une inférence à faible latence
- Techniques de gestion de la mémoire et des ressources
- Approches de benchmarking et outils d’optimisation
Conception d’expériences utilisateur pilotées par l’IA
- Implémentation d’interactions d’interface utilisateur réactives
- Gestion des tâches asynchrones et des rappels (callbacks)
- Alignement des comportements de l’IA avec les lignes directrices UX d’Android
Sécurité et confidentialité dans l’IA locale
- Assurance du traitement sécurisé des données utilisateur
- Techniques d’inférence respectueuse de la confidentialité
- Considérations de conformité pour les déploiements en entreprise
Déploiement et maintenance des fonctionnalités d’IA
- Conditionnement et publication d’applications intégrant l’IA
- Gestion des versions et mise à jour des modèles locaux
- Surveillance et amélioration des performances post-déploiement
Cas d’usage avancés et intégrations
- Combinaison de Nano Banana avec les outils existants de ML pour Android
- Implémentation de fonctionnalités d’IA multimodales
- Extension des applications via des modèles légers personnalisés
Synthèse et prochaines étapes
Pré requis
- Une compréhension des fondamentaux des applications Android
- De l’expérience avec Kotlin ou Java
- Une familiarité de base avec les flux de débogage des applications mobiles
Public cible
- Développeurs Android créant des applications améliorées par l’IA
- Ingénieurs logiciels explorant les flux de travail d’apprentissage automatique (ML) sur l’appareil
- Équipes techniques évaluant le déploiement d’une IA légère sur Android
14 Heures
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