? Informatique responsable du carbone pour les développeurs GenAI
? Bienvenue dans le cours « Carbon Aware Computing pour les développeurs GenAI » ! Le cours vous permettra d'acquérir les compétences nécessaires pour effectuer des tâches de formation de modèles et d'inférence en utilisant une énergie plus propre et à faible émission de carbone dans le cloud.
Résumé du cours
Dans ce cours, vous apprendrez à prendre des décisions respectueuses de l'environnement tout en effectuant des tâches d'apprentissage automatique, optimisant ainsi l'utilisation d'électricité propre. Voici ce que vous pouvez vous attendre à apprendre et à expérimenter :
- Données électriques en temps réel : interrogez les données du réseau électrique en temps réel pour comprendre la répartition de l'énergie (par exemple, éolienne, hydroélectrique, charbon) et l'intensité carbone (émissions d'équivalent CO2 par kWh) de diverses régions.
- ⚡ Formation de modèles à faible émission de carbone : entraînez des modèles avec une énergie à faible émission de carbone en sélectionnant des régions à faible intensité carbone moyenne pour vos tâches de formation et vos téléchargements de données. Optimisez davantage en utilisant les données de réseau en temps réel d'ElectricityMaps.
- Mesure de l'empreinte carbone : récupérez les mesures de l'empreinte carbone des tâches cloud en cours à l'aide de l'outil Google Cloud Carbon Footprint, qui estime les émissions de gaz à effet de serre liées à votre utilisation de Google Cloud.
- ? Développement sensible au carbone : tout au long du cours, vous utiliserez ElectricityMaps, une API gratuite pour interroger des informations sur le réseau électrique mondial, et Google Cloud pour exécuter des tâches de formation de modèles dans des centres de données alimentés par une énergie à faible émission de carbone.
Points clés
- ? Données énergétiques mondiales : récupérez des données en temps réel sur les mix énergétiques mondiaux et l'intensité carbone à partir de l'API ElectricityMaps, identifiant les réseaux électriques qui produisent de l'électricité à partir de sources à faible émission de carbone.
- Tâches de formation optimisées : exécutez des tâches de formation d'apprentissage automatique en utilisant de l'électricité à faible émission de carbone en redirigeant les tâches vers des emplacements de serveurs cloud en fonction de leurs mesures d'intensité carbone.
- ? Analyse de l'empreinte carbone : analysez l'empreinte carbone d'échantillons de données d'utilisation de Google Cloud, y compris la formation au machine learning, l'inférence, le stockage et d'autres activités d'API.
À propos de l'instructeur
? Nikita Namjoshi est Developer Advocate chez Google Cloud et Google Fellow sur Permafrost Discovery Gateway, apportant une vaste expertise en informatique respectueuse de l'environnement pour vous guider tout au long de ce cours.
? Pour vous inscrire au cours ou pour plus d’informations, visitez deeplearning.ai.
