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
Introduction à Edge AI in Autonomous Systems
- Vue d'ensemble de l'Edge AI et de son importance dans les systèmes autonomes
- Principaux avantages et défis de la mise en œuvre de l'Edge AI dans les systèmes autonomes
- Tendances et innovations actuelles en matière d'Edge AI pour l'autonomie
- Applications réelles et études de cas
Traitement en temps réel dans les systèmes autonomes
- Principes fondamentaux du traitement des données en temps réel
- Modèles d'IA pour la prise de décision en temps réel
- Traitement des flux de données et fusion des capteurs
- Exemples pratiques et études de cas
L'IA de pointe dans les véhicules autonomes
- Modèles d'IA pour la perception et le contrôle des véhicules
- Développement et déploiement de solutions d'IA pour la navigation en temps réel
- Intégration de l'Edge AI dans les systèmes de contrôle des véhicules
- Études de cas sur l'Edge AI dans les véhicules autonomes
L'Edge AI dans les drones
- Modèles d'IA pour la perception et le contrôle du vol des drones
- Traitement des données en temps réel et prise de décision dans les drones
- Mise en œuvre de l'Edge AI pour le vol autonome et l'évitement des obstacles
- Exemples pratiques et études de cas
L'Edge AI dans les Robotics
- Modèles d'IA pour la perception et la manipulation robotiques
- Traitement et contrôle en temps réel dans les systèmes robotiques
- Intégration de l'Edge AI dans les architectures de contrôle robotique
- Études de cas d'Edge AI en robotique
Développement de modèles d'IA pour les applications autonomes
- Vue d'ensemble des modèles d'apprentissage automatique et d'apprentissage profond pertinents
- Entraînement et optimisation des modèles pour le déploiement en périphérie
- Outils et cadres pour l'Edge AI autonome (TensorFlow Lite, ROS, etc.)
- Validation et évaluation des modèles dans des environnements autonomes
Déploiement de solutions Edge AI dans des systèmes autonomes
- Étapes du déploiement de modèles d'IA sur différents matériels de périphérie
- Traitement des données en temps réel et inférence sur les dispositifs périphériques
- Surveillance et gestion des modèles d'IA déployés
- Exemples pratiques de déploiement et études de cas
Considérations éthiques et réglementaires
- Garantir la sécurité et la fiabilité des systèmes d'IA autonomes
- Prise en compte des préjugés et de l'équité dans les modèles d'IA autonomes
- Respect des réglementations et des normes dans les systèmes autonomes
- Meilleures pratiques pour un déploiement responsable de l'IA dans les systèmes autonomes
Évaluation et optimisation des performances
- Techniques d'évaluation des performances des modèles dans les systèmes autonomes
- Outils de surveillance et de débogage en temps réel
- Stratégies d'optimisation des performances des modèles d'IA dans les applications autonomes
- Relever les défis de la latence, de la fiabilité et de l'évolutivité
Use Cases et applications innovantes
- Applications avancées de l'Edge AI dans les systèmes autonomes
- Études de cas approfondies dans divers domaines autonomes
- Exemples de réussite et leçons tirées de l'expérience
- Tendances et opportunités futures dans le domaine de l'Edge AI pour l'autonomie
Projets et exercices pratiques
- Développement d'une application complète d'Edge AI pour un système autonome
- Projets et scénarios du monde réel
- Exercices de groupe en collaboration
- Présentations de projets et retour d'information
Résumé et prochaines étapes
Pré requis
- Compréhension des concepts de l'IA et de l'apprentissage automatique
- Expérience des langages de programmation (Python recommandé)
- Familiarité avec la robotique, les systèmes autonomes ou les technologies connexes.
Public
- Ingénieurs Robotics
- Développeurs de véhicules autonomes
- Chercheurs en IA
14 Heures