
Introduction à l’infrastructure IA et
réseaux

Bases de données vectorielles et
gestion des données

Déploiement de solutions IA sur des
serveurs dédiés

Gestion et monitoring des modèles
IA

Cas d’études avancés et ateliers
pratiques

Concepts fondamentaux de l’infrastructure IA
Vue d’ensemble des architectures IA modernes et des composants d’infrastructure (CPU, GPU, TPUs, etc.)
Examen des besoins en puissance de calcul pour différents types de modèles IA
Introduction aux frameworks de déploiement d’IA (TensorFlow Serving, TorchServe, etc.)
Analyse des cas d’utilisation concrets : calcul intensif, inférence à grande échelle

Réseaux et sécurité pour l’infrastructure IA
Concepts de base des réseaux : topologies, protocoles,
et performances
Atelier pratique : Configurer un réseau sécurisé pour
un serveur IA
Optimisation du trafic réseau pour les applications IA
Sécurité réseau : protection des modèles et des
données IA
et gestion des coûts

Introduction aux bases de données vectorielles
Concepts de la recherche vectorielle et des embeddings
Présentation des principales bases de données vectorielles (Faiss, Milvus, Pinecone, etc.)
Comparaison des performances et des cas d’utilisation
Démonstration pratique : Installation et configuration
d’une base de données vectorielle

Intégration avec les modèles IA
Intégration des bases de données vectorielles avec des
modèles NLP et vision
Cas d’utilisation : Recherche sémantique,
recommandations, clustering
Démonstration pratique : Construction d’une
application de recherche sémantique avec une base de
données vectoriell
et gestion des coûts

Introduction aux modèles de langage et à ChatGPT
Vue d’ensemble des modèles de langage (GPT, BERT, etc.)
Démonstration pratique : Déploiement de ChatGPT sur un serveur dédié
Approches pour déployer un modèle de langage sur des serveurs dédiés
Considérations sur la performance et la scalabilité des modèles

Optimisation du déploiement
Optimisation des performances : caching, quantization, pruning, et techniques de distillation
Démonstration pratique : Mise en place d’un pipeline CI/CD pour le déploiement continu de modèles IA
Introduction aux pipelines de déploiement CI/CD pour des modèles IA
et gestion des coûts

Surveillance et maintenance des modèles IA
Surveillance des performances des modèles en production
Atelier pratique : Implémentation d’une solution de
monitoring pour un modèle IA déployé
Outils de monitoring (Prometheus, Grafana, etc.)
Détection et gestion des dérives de modèles (model drift)

Gestion des versions et des mises à jour
Stratégies de versioning des modèles IA
Démonstration pratique : Mise à jour et rollback d’un modèle en production
Approches pour la mise à jour en production sans interruption de service
Gestion des retours d’expérience et des boucles de feedback
et gestion des coûts

Études de cas avancées
Analyse de déploiements IA à grande échelle dans des environnements réels (exemples d’industries)
Atelier de réflexion : Conception d’une architecture IA pour un cas d’utilisation spécifique
Discussion sur les défis rencontrés et les solutions apportées

Ateliers pratiques et synthèse
Atelier pratique : Mise en place d’une
infrastructure complète pour une application IA
Clôture : Réflexion sur les défis futurs et remise de ressources supplémentaires
Session de questions-réponses approfondies
Révision des concepts clés et discussion sur les prochaines étapes pour les participants






















contact@portago.eu