Atelier Green AI

Objectif

L'objectif de cet atelier est de sensibiliser et de former les participants à l'importance de développer et d'optimiser des modèles de Machine Learning (ML) avec une empreinte carbone minimisée. Nous aborderons des techniques pratiques pour mesurer et réduire l'impact environnemental des projets d'IA.

Prérequis

• Python 3.6+
• Connaissances de base en Python et en Machine Learning
• Bibliothèques Python : pandas, scikit-learn, tensorflow, codecarbon, numpy, matplotlib
• Un environnement de développement pour Python (recommandé : Jupyter Notebook ou Google Colab)

Installation

Pour installer les dépendances nécessaires, exécutez la commande suivante :

pip install -r requirements.txt

Structure du Repo

• README.md : Instructions générales et informations sur l'atelier.
• data_prep.py : Script pour la préparation des données.
• model_training.py : Script pour l'entraînement du modèle de base avec suivi de l'empreinte carbone.
• optimization.py : Script pour l'application des techniques d'optimisation et quantification du modèle.
• results_analysis.py : Script pour l'analyse et la comparaison des résultats avant et après optimisation.
• requirements.txt : Fichier contenant les bibliothèques nécessaires à installer.

Comment Utiliser

1. Préparation des Données : Exécutez data_prep.py pour préparer vos données pour l'entraînement.
2. Entraînement du Modèle : Utilisez model_training.py pour entraîner votre modèle de base et mesurer son empreinte carbone.
3. Optimisation : Appliquez des techniques d'optimisation avec optimization.py pour réduire l'empreinte carbone de votre modèle.
4. Analyse des Résultats : Analysez les résultats avant et après optimisation avec results_analysis.py.

Licence

Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails.