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

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires