[00:00 - 00:07] Rôle de l'entraînement et de l'inférence : l'entraînement permet de créer des modèles d'IA, tandis que l'inférence génère une valeur métier réelle
[00:07 - 00:20] Flux de travail d'entraînement et d'inférence : comparaison entre l'entraînement (création de modèles à partir de données statiques) et l'inférence (exécution de modèles sur des flux de données dynamiques en temps réel)
[00:20 - 00:27] Approche infrastructurelle de l'inférence : explication de la façon dont la nature continue et en temps réel de l'inférence exige une stratégie d'infrastructure spécifique
[00:27 - 00:43] Infrastructure centralisée ou distribuée : comparaison entre les clusters GPU centralisés, utilisés pour l'entraînement, et les capacités de calcul hautement distribuées et sensibles à la latence, requises pour l'inférence
[00:43 - 00:59] Exécution optimale des charges de travail : explication de l'exécution de la charge de travail appropriée au bon emplacement, entre les environnements centraux, régionaux et en bordure de l'Internet