Présentation du cours
Exploration des fondamentaux d’infrastructure pour mettre en production des modèles IA : choix CPU vs GPU, conteneurisation, traitements asynchrones et gestion des secrets. Approche orientée décisions d’architecture et impacts opérationnels.
Analyse des compromis entre CPU, GPU, solutions serverless et APIs managées pour orienter le déploiement selon coûts, latence et charge.
Principes de conteneurisation applicative pour IA : packaging, isolation, images et bonnes pratiques de déploiement.
Modèles de file d’attente, workers et inférence asynchrone pour découpler latence et traitement intensif.
Gestion des secrets, configurations et promotion d’environnements pour des pipelines reproductibles et sécurisés.
Compétences et thèmes abordés
Accéder à la plateforme
Accédez au catalogue pour consulter le détail des cours, les conditions d’accès et votre progression personnelle. Se connecter.