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

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires