>


Cours en ligne : IA pour la durabilité

Proposé par l’Université du Luxembourg en partenariat avec Luxembourg AI Factory, ce programme vise à combler le fossé entre technologies avancées et transition écologique.
  • Acquérez des compétences pratiques pour appliquer l’IA aux défis réels de la durabilité
  • Obtenez un certificat d’achèvement 
  • Apprenez à votre rythme grâce à un programme entièrement en ligne et gratuit
  • Accédez à une opportunité exclusive de rejoindre un bootcamp au Luxembourg

Aperçu du cours

Transformer le potentiel de durabilité de l’IA en un impact réel et mesurable nécessite plus que de la conscience. Cela requiert les compétences appropriées, des méthodes rigoureuses et la capacité à travailler avec les données en toute confiance à chaque étape du processus.

Ce programme guide les apprenants tout au long du cycle de vie de l’IA, de l’acquisition brute des données et l’évaluation de la qualité à la formation des modèles et au déploiement fiable. Le programme met particulièrement l’accent sur le réalisme des données : évaluer les compromis écologiques et sociaux intégrés dans les systèmes d’IA, et veiller à ce que les modèles restent robustes lorsqu’ils sont appliqués à des conditions réelles changeantes.

Plutôt que de s’arrêter aux principes, le cours fait le lien entre les cadres éthiques et la pratique quotidienne de l’ingénierie. Il se termine par un module dédié au calcul haute performance (HPC), offrant aux participants les bases techniques nécessaires pour faire évoluer efficacement leurs solutions, en utilisant le type d’infrastructure disponible dans l’écosystème Luxembourg AI Factory.

Module 1 : Introduction à l’IA et à la durabilité 

Ce module établit le vocabulaire de base et les cadres nécessaires pour évaluer les initiatives d’IA à la fois d’un point de vue technique et durable.
  1. Partie 1 - Comprendre l’IA à travers le cycle de vie de l’IA
  2. Partie 2 - Comprendre la durabilité
  3. Partie 3 - Appliquer l’IA aux défis de la durabilité
  4. Partie 4 - Déploiement responsable de l’IA pour une valeur durable

Module 2 : Durabilité axée sur les données

Ce module explore comment l’IA durable réussit ou échoue en fonction de la capacité des données sous-jacentes à représenter le système réel, le contexte décisionnel et les conditions de déploiement.
  1. Partie 1 - Comprendre les données sur la durabilité
  2. Partie 2 - Construire des données spatiales et temporelles prêtes pour l’IA
  3. Partie 3 - Évaluation de la qualité des données pour une IA durable et fiable
  4. Partie 4 - Déploiement et mise à l’échelle de manière responsable des flux de travail d’IA durable

Module 3 : Fondements de l’apprentissage automatique

Ce module se concentre sur la couche de modélisation, détaillant comment les problèmes d’apprentissage automatique sont encadrés et comment les ensembles de données sont préparés pour un apprentissage fiable.
  1. Partie 1 - Comprendre les problèmes d’apprentissage automatique
  2. Partie 2 - Préparer les données pour un apprentissage automatique fiable
  3. Partie 3 - Prédiction des résultats continus et catégoriels
  4. Partie 4 - Découvrir la structure et prédire au fil du temps
  5. Partie 5 - Utilisation des réseaux de neurones et des modèles de fondation
  6. Partie 6 - Évaluation des modèles pour une utilisation fiable et efficace

Module 4 : Fondations HPC pour les charges de travail en IA

Ce module se concentre sur la couche d’exécution, montrant comment les systèmes HPC partagés sont organisés et comment des flux de travail à grande échelle peuvent être gérés de manière responsable grâce aux pratiques d’IA verte.
  1. Partie 1 - Comprendre le HPC pour les charges de travail de l’IA
  2. Partie 2 - Exécution de flux de travail IA sur des systèmes HPC
  3. Partie 3 - Création d’environnements logiciels reproductibles
  4. Partie 4 - Gestion des mouvements et des performances des données
  5. Partie 5 - Utilisation durable et responsable du HPC

  • Filière de spécialisation : IA pour l’espace et l’environnement durables

S’appuyant sur les concepts de données géospatiales des modules précédents, ce module explore comment l’IA traite les entrées complexes issues des observations satellitaires terrestres et de la coordination des essaims pour les véhicules aériens sans pilote (UAV) afin de surveiller les évolutions écologiques. Les apprenants découvriront comment des systèmes de positionnement avancés et l’apprentissage automatique sont déployés pour suivre des indicateurs environnementaux critiques et gérer dynamiquement les ressources naturelles.

  • Filière de spécialisation : IA pour l’optimisation et les villes intelligentes

Ce module examine comment l’apprentissage automatique et l’optimisation algorithmique en temps réel peuvent améliorer l’efficacité des ressources dans les infrastructures urbaines tout en sécurisant les systèmes de données critiques. Il relie la modélisation prédictive aux opérations résilientes, démontrant comment l’IA peut gérer en toute sécurité les réseaux énergétiques, les réseaux de mobilité et les déploiements durables de villes intelligentes.

  • Filière de spécialisation : IA pour la finance durable et la cybersécurité

En appliquant l’ensemble du cycle de vie de l’IA au secteur financier, ce module illustre comment traiter des données ESG (Environnementales, Sociales et de Gouvernance) hétérogènes afin d’éclairer les décisions d’investissement et de politique durables. Les apprenants utiliseront des approches basées sur les données pour évaluer les risques financiers liés au climat, garantissant que les modèles algorithmiques contribuent à aligner la croissance économique avec la gestion écologique à long terme.