Optimiser les performances IA (GPU, CUDA, NumPy avancé)

• Comprendre l'architecture CPU et GPU et ses goulots
• Vectoriser le code Python avec NumPy
• Accélérer les calculs avec CuPy, Numba et CUDA
• Accélérer l'entraînement des modèles

Développeurs et data scientists

Non précisé

• Module 1

  Calcul parallèle et GPU : principes : Architecture CPU/GPU et goulots d’étranglement. Découverte de NumPy, CuPy, Numba. Mise en pratique : comparaison d’un calcul séquentiel et vectorisé

• Module 2

  Vectorisation et parallélisation du code Python : Techniques de broadcasting et slicing. Utilisation de multiprocessing et numba.jit. Mise en pratique : optimisation d’un algorithme de régression simple

• Module 3

  Accélération GPU avec CUDA et CuPy : Principes des threads, blocs et kernels. Exécution d’opérations matricielles sur GPU et gestion mémoire. Mise en pratique : entraînement accéléré d’un modèle ML sur GPU

• Module 4

  Tensor Cores et optimisation de réseaux neuronaux : Exploiter CUDA et Tensor Cores pour le Deep Learning. Mesurer la performance et ajuster les hyperparamètres. Mise en pratique : benchmark CPU vs GPU sur un modèle supervisé léger

• Module 5

  Mesure et suivi des performances : Mettre en place des benchmarks et tests automatisés. Analyser temps, mémoire et consommation énergétique. Mise en pratique : automatisation d’un test de performance dans le pipeline ML

• Apports structurés et études de cas concrets
• Ateliers pratiques et labs sur plateforme de pratique
• Jusqu'à 70 % de pratique sur les modules techniques
• Supports fournis et accès aux environnements d'entraînement

• Test de positionnement en amont
• Évaluations continues (QCM, travaux pratiques)
• Évaluation de fin de formation et attestation
• Passage des examens de certification le cas échéant

Modalités

Présentiel, Distanciel synchrone, Hybride

Formats

Inter-entreprises, Intra-entreprise

Lieux

Versailles, La Défense (Tour Canopy), Clermont-Ferrand

Effectif

De 2 à 12 participants

Langue

Français