🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
GCPSPARKSAIINFRA

Formation Les essentiels de l'infrastructure d'IA

Ce cours offre un aperçu fondamental des composants matériels, logiciels et réseau nécessaires au développement et à la gestion de modèles d'IA à grande échelle. Il explore l'architecture AI Hypercomputer de Google Cloud, compare des accélérateurs de calcul tels que les GPU et les TPU, et examine les pipelines de données et les solutions de stockage essentiels pour maximiser les performances d'entraînement.

Google Cloud
✓ Formation officielle Google CloudNiveau Intermédiaire⏱️ 0.5 jour (3h)

Ce que vous allez apprendre

  • Différencier les couches de l'AI Hypercomputer.
  • Sélectionner les accélérateurs appropriés pour les charges de travail d'IA les plus rentables.
  • Évaluer les solutions de stockage et de réseau afin de maximiser le goodput d'entraînement.
  • Comparer différents modèles de déploiement et de consommation pour optimiser les ressources.

Prérequis

  • Familiarité avec les concepts du cloud computing et l'infrastructure générale des centres de données.

Public cible

  • Décideurs informatiques et architectes d'infrastructure souhaitant comprendre les exigences techniques et les offres de l'AI Hypercomputer pour un déploiement d'IA de qualité entreprise.

Programme de la Formation

6 modules pour maîtriser les fondamentaux

Sujets abordés
  • →Définition de l'infrastructure d'IA
  • →L'évolution des besoins en calcul
  • →Le besoin d'une nouvelle puissance de calcul
Objectifs
  • Différencier les couches de l'AI Hypercomputer.
Sujets abordés
  • →L'AI Hypercomputer
  • →Les 3 couches de l'AI Hypercomputer : vue d'ensemble
Sujets abordés
  • →Processeurs graphiques (architecture GPU, gamme GPU de Google Cloud, sélection des GPU)
  • →Processeurs de tenseurs (architecture TPU, gamme TPU de Google Cloud, bonnes pratiques et points d'attention)
Activités

1x exercice/discussion

Objectifs
  • Évaluer les solutions de stockage et de réseau afin de maximiser le goodput d'entraînement.
Sujets abordés
  • →Maximiser le goodput
  • →Réseau pour l'ingestion et l'entraînement des données
  • →Stockage pour la préparation et l'entraînement des données
  • →Architecture pour l'inférence
Activités

1x discussion

Objectifs
  • Comparer différents modèles de déploiement et de consommation pour optimiser les ressources.
Sujets abordés
  • →Options de déploiement
  • →Consommation flexible
Objectifs
  • Différencier les couches de l'AI Hypercomputer.
  • Sélectionner les accélérateurs appropriés pour les charges de travail d'IA les plus rentables.
  • Évaluer les solutions de stockage et de réseau afin de maximiser le goodput d'entraînement.
  • Comparer différents modèles de déploiement et de consommation pour optimiser les ressources.
Sujets abordés
  • →Synthèse du cours
  • →Questions et réponses
  • →Quiz
Activités

1x quiz avec 4 QCM

Formations associées

Google Cloud

Infrastructure agentique pour l'entreprise autonome sur Google Cloud

Cette formation propose un guide technique permettant aux architectes de solutions de passer de la création de chatbots isolés au déploiement de travailleurs d'IA persistants et compatibles avec Gemini Enterprise sur Google Cloud. Les participants maîtriseront la conception de la mémoire agentique, l'orchestration d'outils pilotée par API et la gouvernance d'infrastructure à l'aide du Google Cloud Agent Platform, notamment le Vertex AI Reasoning Engine pour la gestion d'état persistant et les Agent Extensions pour l'intégration interservices. Les apprenants dépasseront l'« espoir pédagogique » (Instructional Hope) pour atteindre une mise en œuvre technique concrète, en bâtissant la « voie balisée » (Paved Road) nécessaire à l'orchestration de flottes multi-agents et à la sécurisation des identités non humaines.

0.5 j
Intermédiaire
Google Cloud
Tendance

Introduction à l'IA et au Machine Learning sur Google Cloud

Ce cours présente les offres d'intelligence artificielle (IA) et de machine learning (ML) sur Google Cloud qui permettent de créer des projets d'IA prédictive et générative. Il explore les technologies, les produits et les outils disponibles tout au long du cycle de vie des données à l'IA, englobant les fondements de l'IA, le développement et les solutions. Il vise à aider les scientifiques des données, les développeurs d'IA et les ingénieurs ML à améliorer leurs compétences et leurs connaissances grâce à des expériences d'apprentissage engageantes et des exercices pratiques.

1 j
Fondamental
Voir toutes les formations →

Prochaines sessions

Aucune date ne vous convient ?

Nous organisons régulièrement de nouvelles sessions. Contactez-nous pour connaître les prochaines dates disponibles ou pour organiser une session à la date de votre choix.

S'inscrire à une date personnalisée

Processus Qualité

L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité

Méthodes pédagogiques mobilisées
  • Lectures / Apports théoriques (Slides) — Présentation de concepts via des supports visuels (PowerPoint, PDF).
  • Démonstration technique (Démos) — Le formateur réalise une manipulation ou une procédure devant les apprenants.
  • Quiz / QCM — Test rapide de connaissances (format papier ou numérique type Kahoot/Klaxoon).
Dispositif d'évaluation et de suivi

L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :

  • Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
  • Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
  • Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.

Questions fréquentes

Elle est conçue pour les architectes cloud, les ingénieurs ML et les praticiens techniques qui conçoivent ou gèrent l'infrastructure nécessaire au développement et à l'exécution de modèles d'IA à grande échelle.
Une familiarité de base avec le cloud computing est utile. Il s'agit d'une formation de niveau 200, un bagage technique facilite donc la compréhension du contenu.
Vous apprendrez à différencier les couches de l'AI Hypercomputer, à sélectionner les accélérateurs au meilleur rapport coût-efficacité, à évaluer le stockage et le réseau pour maximiser le goodput d'entraînement, et à comparer les modèles de déploiement et de consommation.
Oui. Un module dédié aux accélérateurs de calcul compare les GPU et les TPU afin de choisir l'option la plus rentable pour une charge de travail d'IA donnée.
La formation dure 3 heures et se déroule en format présentiel avec instructeur, alternant théorie et démonstrations.
Oui. Il s'agit d'une formation officielle Google Cloud Sparks dispensée par SFEIR Institute, partenaire certifié Google Cloud Training.

395€ € HT

par apprenant

RéserverDevis