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
Concepts avancés de l'Edge AI
- Approfondissement de l'architecture de l'Edge AI
- Analyse comparative de l'Edge AI et de l'IA dans le nuage
- Dernières tendances et technologies émergentes dans l'Edge AI
- Cas d'utilisation et applications avancées
Techniques avancées d'optimisation des modèles
- Quantification et élagage pour les dispositifs périphériques
- Distillation des connaissances pour les modèles légers
- Apprentissage par transfert pour les applications d'IA périphérique
- Automatisation des processus d'optimisation des modèles
Stratégies de déploiement de pointe
- Conteneurisation et orchestration pour l'IA périphérique
- Déploiement de modèles d'IA à l'aide de plates-formes informatiques périphériques (par exemple, Edge TPU, Jetson Nano)
- Inférence en temps réel et solutions à faible latence
- Gestion des mises à jour et de l'évolutivité sur les appareils périphériques
Outils et cadres spécialisés
- Exploration d'outils avancés (par exemple, TensorFlow Lite, OpenVINO, PyTorch Mobile)
- Utilisation d'outils d'optimisation spécifiques au matériel
- Intégration de modèles d'IA avec du matériel périphérique spécialisé
- Études de cas d'outils en action
Optimisation et surveillance des performances
- Techniques d'analyse comparative des performances sur les appareils périphériques
- Outils de surveillance et de débogage en temps réel
- Prise en compte de la latence, du débit et de l'efficacité énergétique
- Stratégies d'optimisation et de maintenance continues
Applications et Use Case innovantes
- Applications sectorielles de l'IA avancée en périphérie
- Villes intelligentes, véhicules autonomes, IoT industriel, soins de santé, etc.
- Études de cas de mises en œuvre réussies de l'Edge AI
- Tendances futures et orientations de la recherche dans le domaine de l'Edge AI
Considérations éthiques et sécuritaires avancées
- Garantir une sécurité solide dans les déploiements de l'Edge AI
- Aborder les questions éthiques complexes de l'IA en périphérie
- Mise en œuvre de techniques d'IA préservant la vie privée
- Conformité avec les réglementations avancées et les normes industrielles
Projets pratiques et exercices avancés
- Développement et optimisation d'une application Edge AI complexe
- Projets en situation réelle et scénarios avancés
- Exercices de groupe collaboratifs et défis d'innovation
- Présentations de projets et commentaires d'experts
Résumé et prochaines étapes
Pré requis
- Compréhension approfondie des concepts de l'IA et de l'apprentissage automatique
- Maîtrise des langages de programmation (Python recommandé)
- Expérience de l'informatique de périphérie et du déploiement de modèles d'IA sur des appareils de périphérie.
Audience
- Praticiens de l'IA
- Chercheurs
- Développeurs
14 Heures