Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à l'IA préservant la vie privée
- Principes fondamentaux de la confidentialité des données dans les applications mobiles
- Facteurs réglementaires favorisant l'IA sur l'appareil
- Avantages et limites du traitement local
Comprendre Nano Banana pour la confidentialité sur l'appareil
- Architecture du modèle Nano Banana
- Propriétés de sécurité et chemins d'exécution locaux
- Plateformes prises en charge et modèles d'intégration mobile
Gestion des données et techniques de traitement local
- Collecte et stockage sécurisé des données sensibles sur l'appareil
- Minimisation de l'exposition des données grâce à l'inférence locale
- Stratégies d'anonymisation et de pseudonymisation
Implémentation de fonctionnalités d'IA préservant la vie privée
- Création de fonctionnalités pilotées par l'IA sans transmission des données de l'utilisateur
- Conception de workflows conformes pour la santé, la finance ou la conformité réglementaire
- Assurer l'isolement des données entre les composants de l'application
Considérations de sécurité pour les modèles sur l'appareil
- Protection des modèles contre l'extraction ou la manipulation
- Sandboxing sécurisé et gestion des autorisations
- Modélisation des menaces pour les systèmes d'IA mobile
Conformité et alignement réglementaire
- Comprendre les implications du RGPD, HIPAA et du secteur financier
- Documentation des approches « confidentialité par conception »
- Maintenir la traçabilité sans compromettre les données des utilisateurs
Test et validation des garanties de confidentialité
- Test des workflows pour détecter les fuites de données non intentionnelles
- Évaluation des compromis entre précision et confidentialité
- Validation continue au fil des mises à jour de l'application
Déploiement et maintenance des applications IA axées sur la confidentialité
- Gestion des mises à jour des modèles sur l'appareil
- Suivi des performances et de la conformité dans le temps
- Adaptation des applications aux évolutions réglementaires
Synthèse et prochaines étapes
Pré requis
- Une compréhension du développement mobile ou de développement d'applications
- De l'expérience avec Python, Kotlin ou Swift
- Une familiarité de base avec les concepts d'IA ou d'apprentissage automatique
Public cible
- Équipes d'entreprise
- Responsables de la conformité
- Développeurs créant des applications sensibles
14 Heures
Nos clients témoignent (1)
Fluidez, ambiance et thème de la présentation
Lukasz Kowalczyk - Allegro Sp. z o.o.
Formation - Google Gemini AI for Data Analysis
Traduction automatique