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 - Accélérer l'inférence ML en production sont : Connaissances en Python, bases en Machine Learning et manipulation de modèles ONNX. Un entretien préalable permet de valider votre éligibilité.

La formation est-elle disponible en présentiel ?

Oui, la formation Formation ONNX Runtime - Accélérer l'inférence ML en production est disponible en présentiel. Le format peut être adapté à vos besoins (inter, intra, sur-mesure).

Formation ONNX Runtime - Accélérer l'inférence ML… | 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 - Accélérer l'inférence ML en production 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 - Accélérer l'inférence ML en production, 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 - Accélérer l'inférence ML en production 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 ONNX Runtime pour déployer des modèles ML professionnels en production

Optimiser l'inférence de modèles avec ONNX Runtime pour des performances maximales

Développer des applications cross-platform intégrant ONNX Runtime en entreprise

Implémenter des techniques d'accélération hardware avec ONNX Runtime certifiant

Concevoir des pipelines d'inférence scalables et sécurisés

Évaluer et benchmarker les performances ONNX Runtime dans des contextes réels

Acquérir des compétences certifiantes en ONNX Runtime pour booster votre carrière

Programme de la formation

Module 1Fondamentaux ONNX Runtime : installation et premiers modèles (outils Python, C++, benchmarks initiaux)

Installation rapide d'ONNX Runtime sur divers environnements, prise en main des APIs Python et C++ pour charger vos premiers modèles ONNX, exécution d'inférences basiques sur datasets réels comme ImageNet, exercices pratiques pour convertir des modèles TensorFlow ou PyTorch vers ONNX, analyse des logs de performance et création de votre premier script d'inférence professionnel, avec code review par le formateur pour valider les bonnes pratiques en entreprise.

Module 2Optimisation ONNX Runtime : tuning des modèles et accélération CPU/GPU (providers, graph optimizations)

Exploration des providers ONNX Runtime pour CPU, GPU CUDA et DirectML, application de graph optimizations automatiques et manuelles sur vos modèles, exercices pour réduire la latence d'inférence de 50% sur cas concrets d'entreprise, utilisation d'outils comme ONNX Optimizer et Model Profiler, développement de scripts personnalisés pour quantisation et pruning, tests comparatifs avant/après avec métriques précises, livrable : modèle optimisé prêt pour production.

Module 3Intégration ONNX Runtime : développement d'applications réelles (web services, mobile, edge computing)

Intégration d'ONNX Runtime dans des applications Python Flask pour APIs d'inférence, développement d'un service web scalable avec gestion de sessions et batching, exercices sur déploiement edge avec ONNX Runtime Mobile pour Android/iOS, connexion à des bases de données pour pipelines end-to-end, cas pratiques inspirés de production comme reconnaissance d'images en temps réel, débogage avancé et monitoring avec outils intégrés, production d'un prototype fonctionnel utilisable immédiatement en entreprise.

Module 4Déploiement production ONNX Runtime : scaling, sécurité et monitoring (Docker, Kubernetes, observabilité)

Conteneurisation des modèles avec Docker et ONNX Runtime containers officiels, orchestration avec Kubernetes pour auto-scaling, implémentation de sécurité (authentification, chiffrement inputs), setup de monitoring avec Prometheus et Grafana pour latence/throughput, exercices sur gestion d'erreurs et rollbacks en prod, benchmarks multi-hardware et optimisation finale, livrable : pipeline de déploiement complet avec dashboard de monitoring, prêt pour vos challenges business critiques.