La formation est-elle certifiée Qualiopi ?

Oui, Learni est un organisme certifié Qualiopi. Cette certification garantit la qualité de nos formations et permet leur prise en charge par les OPCO et autres dispositifs de financement.

Comment financer ma formation ?

Nos formations sont éligibles aux financements OPCO. Learni vous accompagne dans les démarches de prise en charge. Un devis personnalisé est disponible sur demande.

Quels sont les prérequis pour cette formation ?

Les prérequis pour la formation Formation ONNX Runtime - Déployer des modèles IA optimisés sont : Bases en Python, notions en machine learning et formats de modèles standards. Un entretien préalable permet de valider votre éligibilité.

La formation est-elle disponible en présentiel ?

Oui, la formation Formation ONNX Runtime - Déployer des modèles IA optimisés est disponible en distanciel. Le format peut être adapté à vos besoins (inter, intra, sur-mesure).

Formation ONNX Runtime - Déployer des modèles IA… | Learni

L'histoire de Learni

Fondée par des passionnés de l'apprentissage et de l'innovation, Learni s'est donnée pour mission de rendre la formation professionnelle accessible à tous, partout dans le monde. Notre équipe intervient dans les plus grandes métropoles telles que Paris, Lyon, Marseille, mais aussi à l'international, afin d'accompagner les talents et les organisations dans leur montée en compétences.

Configurez votre formation

Réponse sous 24hSans engagement100% gratuit

Il reste 9 places pour la prochaine session

FormatParticipantsDateCoordonnées

Quel format préférez-vous ?

Modalités, méthodes et moyens pédagogiques

La formation Formation ONNX Runtime - Déployer des modèles IA optimisés est délivrée en présentiel ou distanciel (blended-learning, e-learning, classe virtuelle, présentiel à distance). Chez Learni, organisme de formation certifié Qualiopi, chaque parcours est conçu pour maximiser l'acquisition de compétences, quel que soit le mode de formation choisi.

Le formateur alterne entre méthode démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). Cette approche pédagogique garantit un apprentissage concret et directement applicable en entreprise.

Moyens pédagogiques mis en œuvre

Pour garantir la qualité de la formation Formation ONNX Runtime - Déployer des modèles IA optimisés, Learni met à disposition les moyens pédagogiques suivants :

Ordinateurs Mac ou PC, connexion internet haut débit fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour les sessions en distanciel)
Environnements de formation installés sur les postes de travail ou accessibles en ligne
Supports de cours, exercices pratiques et ressources complémentaires
Accès post-formation aux supports et ressources pédagogiques

En cas de formation intra-entreprise sur site externe à Learni, le client s'assure et s'engage à disposer de toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques, connexion internet...) au bon déroulement de l'action de formation conformément aux prérequis indiqués dans le programme de formation communiqué.

* nous consulter pour la faisabilité en distanciel** ratio variable selon la formation suivie

Modalités d'évaluation des acquis

L'évaluation des compétences acquises lors de la formation Formation ONNX Runtime - Déployer des modèles IA optimisés s'effectue à travers :

En cours de formation : études de cas, travaux pratiques et mises en situation professionnelle
En fin de formation : questionnaire d'auto-évaluation et évaluation des acquis par le formateur
Après la formation : attestation de fin de formation détaillant les compétences acquises

Accessibilité de la formation

Learni s'engage pour l'accessibilité de ses formations professionnelles. Toutes nos formations sont accessibles aux personnes en situation de handicap. Nos équipes sont à votre disposition pour adapter les modalités pédagogiques à vos besoins spécifiques. N'hésitez pas à nous contacter pour toute demande d'aménagement.

Objectifs de la formation

Maîtriser les fondamentaux d'ONNX Runtime pour l'inférence de modèles en entreprise

Développer des compétences en exécution de modèles IA cross-plateforme certifiante

Configurer des sessions d'inférence ONNX Runtime sur CPU et GPU professionnels

Implémenter des optimisations basiques pour des performances en production

Intégrer ONNX Runtime dans des applications Python pour projets réels

Concevoir des pipelines d'inférence scalables en formation professionnelle

Programme de la formation

Module 1Fondamentaux ONNX Runtime : installation et premiers inférences (Python, modèles ONNX, sessions)

Découverte complète de l'environnement ONNX Runtime via installation rapide avec pip et conda, création de sessions d'inférence sur modèles simples comme MNIST ou ResNet, exploration des APIs Python pour charger et exécuter des graphes ONNX, exercices pratiques sur conversion TensorFlow/PyTorch vers ONNX, premiers runs avec visualisation des prédictions, production d'un rapport de performance initial pour évaluer les gains en entreprise.

Module 2Inférence ONNX Runtime : exécution avancée sur CPU/GPU (bindings, providers, batching)

Plongée dans les providers CPU et CUDA pour accélérer l'inférence ONNX Runtime, configuration de sessions avec gestion de tenseurs d'entrée/sortie, pratique du batching dynamique pour traiter plusieurs requêtes simultanément, tests sur datasets réels comme COCO pour image classification, optimisation manuelle des graphes via outils intégrés, réalisation d'un benchmark comparatif qui démontre 3x de speedup, application immédiate à un cas métier concret en formation certifiante.

Module 3Déploiement ONNX Runtime : intégration production et monitoring (Docker, APIs, optimisation)

Construction d'une API REST avec FastAPI intégrant ONNX Runtime pour inférence scalable, conteneurisation via Docker pour déploiement cloud-ready, mise en place de monitoring avec Prometheus pour traçabilité des latences, exercices sur optimisation quantisée pour edge devices, simulation d'un pipeline end-to-end en entreprise, finalisation d'un projet fil rouge déployable avec documentation complète, valorisation des compétences acquises pour CV professionnel.