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 Nano Banana
- Aperçu 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 sur appareil
Configuration 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
Travail avec les API Nano Banana
- Exploration des méthodes API de base
- Chargement et gestion des modèles légers
- Exécution des tâches d'inférence en temps réel
Optimisation des performances de l'IA sur Android
- Stratégies pour l'inférence à faible latence
- Techniques de gestion de la mémoire et des ressources
- Approches de benchmark et outils d'optimisation
Conception d'expériences utilisateur pilotées par l'IA
- Implémentation d'interactions UI réactives
- Gestion des tâches asynchrones et des rappels (callbacks)
- Alignement des comportements de l'IA avec les directives d'expérience utilisateur Android
Sécurité et vie privée dans l'IA sur appareil
- Assurer un traitement sécurisé des données utilisateur
- Techniques d'inférence préservant la vie privée
- Considérations en matière de conformité pour les déploiements d'entreprise
Déploiement et maintenance des fonctionnalités d'IA
- Emballage et publication d'applications avec IA intégrée
- Gestion des versions et mise à jour des modèles locaux
- Surveillance et amélioration des performances après déploiement
Cas d'usage avancés et intégrations
- Combinaison de Nano Banana avec les outils ML Android existants
- Implémentation de fonctionnalités d'IA multimodales
- Extension des applications avec des modèles légers personnalisés
Summary and Next Steps
Pré requis
- Compréhension des fondamentaux des applications Android
- Expérience avec Kotlin ou Java
- Familiarité de base avec les flux de travail de débogage des applications mobiles
Public cible
- Développeurs Android créant des applications enrichies par l'IA
- Ingénieurs logiciels explorant les flux de travail de machine learning sur appareil
- Équipes techniques évaluant le déploiement d'IA légère sur Android
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