Programme Green AI : l’intelligence artificielle responsable
Ce cours Green AI s'adresse à un :
- Analyste
- Statisticien
- Data Scientist
- Chief Data Officer (CDO)
- Machine Learning Engineer
Durée : 2 jours - 14 heures
Tarif : Nous contacter pour une formation INTER – INTRA ou en COURS PARTICULIER
Cette formation Green AI, 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.
À la fin de cette formation Green AI, 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.
La formation est délivrée en présentiel ou distanciel (e-learning, classe virtuelle, présentiel et à distance). Le formateur alterne entre méthodes démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). La validation des acquis peut se faire via des études de cas, des quiz et/ou une certification.
Cette formation est animée par un consultant-formateur dont les compétences techniques, professionnelles et pédagogiques ont été validées par des diplômes et/ou testées et approuvées par l’éditeur et/ou par Audit Conseil Formation.
Les objectifs
pré-requis
Pour suivre cette formation Green AI, une bonne connaissance des principaux algorithmes de Machine Learning ainsi qu'une connaissance des réseaux de neurones sont nécessaires.
Moyens pédagogiques, techniques et d'encadrement
- 1 poste de travail complet par personne
- De nombreux exercices d'application
- Mise en place d'ateliers pratiques
- Remise d'un support de cours
- Remise d'une attestation de stage
Modalités d'évaluation des acquis
- Evaluation des besoins et objectifs en pré et post formation
- Evaluation technique des connaissances en pré et post formation
- Evaluation générale du stage
Accessibilité handicapés
- Au centre d’affaires ELITE partenaire d’ACF à 20 m.
- Guide d’accessibilité à l’accueil.
Le Programme
Enjeux environnementaux
Le concept du donut et les limites planétaires
Dessine-moi un donut
Les dernières études sur les limites planétaires
Le plancher social du donut
Le donut comme liste des critères extra-financiers
Première conclusion générale
Focus sur le changement climatique : Mini-Fresque
Les derniers rapports du GIEC
La consommation énergétique
L’objectif 2 tonnes
Impacts environnementaux du numérique
Quiz
Quelle est l’empreinte carbone du numérique aujourd’hui ? Et pourquoi l’éco-conception est un levier important ?
Impact en eau
Impact en métaux
Émissions de gaz à effet de serre du numérique
Le numérique est une ressource non renouvelable
Économiser les artéfacts numériques
Les algorithmes de machine learning en question
La performance
Coût algorithmique
La backpropagation
Les artefacts numériques et gâchis
Vers des neurones artificiels moins…artificiels
État de l’art des alternatives actuelles
Le hardware
Limites des matériels actuels
Neurones à impulsions
Puces neuromorphiques, crossbar arrays, memristors
Vers une nouvelle ère analogique
La méthodologie
Expérimentation, apprentissage, inférence
Évaluer la bonne performance
Chiffrer le coût énergétique d’une erreur
Mise en pratique
Atelier, un exemple concret de d’éco-modélisation qui challenge la performance algorithmique
Clôture et bilan
Synthèse des points abordés
Partage sur la formation
Et demain par quoi je commence pour démarrer l'éco-modélisation?
Questions/réponses additionnelles