Django - Créer des applications Web avec le framework Django
- Durée
- Durée :3 jours
- Niveau
- Niveau :Intermédiaire
- Certification
- Certification :Non
1990€ HT
Prochaine session :
Mojo, programmation IA
Apprenez à développer avec Mojo, le langage performant pour l'IA et le calcul scientifiqueDescription de la formation Mojo
Qu'est-ce que Mojo ?
Mojo est un langage de programmation moderne conçu pour combiner la simplicité de Python avec la performance du bas niveau, adapté aux charges intensives en calcul telles que l’intelligence artificielle, les sciences des données, et le calcul scientifique. Il permet une optimisation fine tout en gardant une syntaxe familière pour les développeurs Python.
Pourquoi suivre une formation Développement avec Mojo ?
Maîtriser Mojo permet aux développeurs d’écrire du code ultra-performant tout en restant productifs. Grâce à son interopérabilité avec Python et sa capacité à exploiter les architectures matérielles modernes, Mojo s'impose comme un choix stratégique pour les projets exigeants. Suivre cette formation vous permettra de prendre en main ce langage innovant, de découvrir ses atouts techniques, et de l'intégrer dans vos projets IA, HPC ou data science.
Programme de la formation
Objectif opérationnel :
Savoir développer des applications performantes en utilisant le langage Mojo.
Objectifs pédagogiques:
À l'issue de la formation Mojo, vous aurez les connaissances nécessaires pour :
- Comprendre les fondements du langage Mojo et son écosystème
- Maîtriser la syntaxe, les types et les structures de contrôle
- Écrire du code performant avec Mojo en exploitant les capacités du matériel
- Intégrer Mojo dans une pipeline IA ou data science
- Déboguer et optimiser du code Mojo pour des performances maximales
Jour 1
Comparaison Mojo vs Python vs C++
Installation et environnement de développement
Syntaxe de base et types de données
Fonctions, structures et modulesTravaux pratiquesObjectifs : Prendre en main l’environnement de développement Mojo.
Description : Création d’un script de calcul de Fibonacci en Mojo, analyse comparative avec Python. Pourquoi Mojo est-il plus rapide ici ?
Contrôle de flux : if, match, loops
Utilisation des listes, tuples, dictionnaires
Les structures (structs) et leur usageTravaux pratiquesObjectifs : Manipuler les structures de base et les types.
Description : Écriture d’un mini-parseur de texte avec différentes structures et fonctions. Comment tirer parti des types statiques ?Jour 2
Opérations vectorisées et parallélisme
Optimisations bas niveau
Gestion de la mémoireTravaux pratiquesObjectifs : Optimiser un algorithme mathématique avec Mojo.
Description : Réécriture d’un algorithme de multiplication matricielle. Quel est l’impact de l’optimisation sur les temps d’exécution ?
Passage de données entre Mojo et Python
Cas d’usage : numpy, pandas, matplotlibTravaux pratiquesObjectifs : Intégrer Mojo dans un pipeline Python.
Description : Traitement de données avec pandas en Python, calculs intensifs délégués à Mojo. Comment bien structurer ce workflow ?Jour 3
Gestion des tenseurs et structures complexes
Appels GPU et accélérateurs
Exemples de modèles ML optimisésTravaux pratiquesObjectifs : Déployer un modèle ML avec Mojo.
Description : Implémentation d’un perceptron simple, test de performance. Quel gain par rapport à une implémentation Python seule ?
Développement en autonomie avec mentorat
Présentation des projetsTravaux pratiquesObjectifs : Valider l’acquisition des compétences Mojo.
Description : Chaque participant code une mini-application (calculs, IA, science). Quelles difficultés ont été rencontrées ? Quelles solutions apportées ?
Introduction à Mojo
Historique et positionnement du langage MojoComparaison Mojo vs Python vs C++
Installation et environnement de développement
Syntaxe de base et types de données
Fonctions, structures et modulesTravaux pratiquesObjectifs : Prendre en main l’environnement de développement Mojo.
Description : Création d’un script de calcul de Fibonacci en Mojo, analyse comparative avec Python. Pourquoi Mojo est-il plus rapide ici ?
Types, contrôles et collections
Définition de types statiques et dynamiquesContrôle de flux : if, match, loops
Utilisation des listes, tuples, dictionnaires
Les structures (structs) et leur usageTravaux pratiquesObjectifs : Manipuler les structures de base et les types.
Description : Écriture d’un mini-parseur de texte avec différentes structures et fonctions. Comment tirer parti des types statiques ?Jour 2
Performance et compilation
Introduction au système de compilation MojoOpérations vectorisées et parallélisme
Optimisations bas niveau
Gestion de la mémoireTravaux pratiquesObjectifs : Optimiser un algorithme mathématique avec Mojo.
Description : Réécriture d’un algorithme de multiplication matricielle. Quel est l’impact de l’optimisation sur les temps d’exécution ?
Interopérabilité avec Python
Utilisation des bibliothèques Python depuis MojoPassage de données entre Mojo et Python
Cas d’usage : numpy, pandas, matplotlibTravaux pratiquesObjectifs : Intégrer Mojo dans un pipeline Python.
Description : Traitement de données avec pandas en Python, calculs intensifs délégués à Mojo. Comment bien structurer ce workflow ?Jour 3
Mojo pour l’IA et le calcul scientifique
Utilisation dans des frameworks IAGestion des tenseurs et structures complexes
Appels GPU et accélérateurs
Exemples de modèles ML optimisésTravaux pratiquesObjectifs : Déployer un modèle ML avec Mojo.
Description : Implémentation d’un perceptron simple, test de performance. Quel gain par rapport à une implémentation Python seule ?
Projet final
Choix d’un mini-projet libreDéveloppement en autonomie avec mentorat
Présentation des projetsTravaux pratiquesObjectifs : Valider l’acquisition des compétences Mojo.
Description : Chaque participant code une mini-application (calculs, IA, science). Quelles difficultés ont été rencontrées ? Quelles solutions apportées ?
Public cible :
Ce cours s'adresse aux développeurs Python, ingénieurs IA, data scientists, et ingénieurs HPC.
Prérequis :
Une bonne maîtrise de Python et des notions de programmation bas niveau (C, Rust…) sont nécessaires pour suivre cette formation. Une expérience en calcul scientifique ou en machine learning est recommandée sans pour autant être obligatoire.
J'évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Date de mise à jour du programme : 14/01/2026
Dates et lieux
Période souhaitée
Lieux
Type d'affichage