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 l'Edge AI
- Définition et concepts clés
- Différences entre Edge AI et Cloud AI
- Avantages et défis de l'Edge AI
- Aperçu des applications Edge AI
Architecture de l'Edge AI
- Composants des systèmes Edge AI
- Exigences matérielles et logicielles
- Flux de données dans les applications Edge AI
- Intégration aux systèmes existants
Mise en place de l'environnement Edge AI
- Introduction aux plateformes Edge AI (Raspberry Pi, NVIDIA Jetson, etc.)
- Installation des logiciels et des bibliothèques nécessaires
- Configuration de l'environnement de développement
- Initialisation de la configuration Edge AI
Développement de modèles Edge AI
- Vue d'ensemble des modèles d'apprentissage automatique et d'apprentissage profond pour les appareils périphériques
- Entraînement des modèles spécifiquement pour le déploiement en périphérie
- Techniques d'optimisation des modèles pour les appareils périphériques
- Outils et cadres pour le développement de l'Edge AI (TensorFlow Lite, OpenVINO, etc.)
Outils et cadres pour le développement de l'Edge AI (TensorFlow Lite, OpenVINO, etc.) Data Management et prétraitement pour l'Edge AI
- Techniques de collecte de données pour les environnements périphériques
- Prétraitement et augmentation des données pour les appareils périphériques
- Gestion des pipelines de données sur les appareils périphériques
- Garantir la confidentialité et la sécurité des données dans les environnements périphériques
Déploiement d'applications d'Edge AI
- Étapes du déploiement de modèles sur divers dispositifs de périphérie
- Techniques de surveillance et de gestion des modèles déployés
- Traitement des données en temps réel et inférence sur les appareils périphériques
- Études de cas et exemples pratiques de déploiement
Intégration de l'Edge AI aux systèmes IoT
- Connecter les solutions Edge AI aux appareils et capteurs IoT
- Protocoles Communication et méthodes d'échange de données
- Construire une solution Edge AI et IoT de bout en bout
- Exemples pratiques et cas d'utilisation
Use Cases et applications
- Applications de l'Edge AI spécifiques à l'industrie
- Études de cas approfondies dans les domaines de la santé, de l'automobile et des maisons intelligentes
- Réussites et enseignements tirés de l'expérience
- Tendances et opportunités futures dans le domaine de l'Edge AI
Considérations éthiques et meilleures pratiques
- Garantir la confidentialité et la sécurité dans les déploiements de l'Edge AI
- Tenir compte des préjugés et de l'équité dans les modèles d'Edge AI
- Conformité avec les réglementations et les normes
- Meilleures pratiques pour un déploiement responsable de l'IA
Projets et exercices pratiques
- Développement d'une application Edge AI complexe
- 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 base de l'IA et de l'apprentissage automatique
- Expérience des langages de programmation (Python recommandé)
- Familiarité avec les concepts d'edge computing et d'IoT
Audience
- Développeurs
- Professionnels de l'informatique
14 Heures