Prenez contact avec nous

Plan du cours

Introduction à l'Edge AI

  • Définition et concepts clés
  • Différences entre l'Edge AI et l'IA dans le cloud
  • Avantages et cas d'utilisation de l'Edge AI
  • Vue d'ensemble des dispositifs et plateformes d'edge

Configuration de l'environnement d'edge

  • Introduction aux dispositifs d'edge (Raspberry Pi, NVIDIA Jetson, etc.)
  • Installation des logiciels et bibliothèques nécessaires
  • Configuration de l'environnement de développement
  • Préparation du matériel pour le déploiement de l'IA

Développement de modèles d'IA pour l'edge

  • Vue d'ensemble des modèles d'apprentissage automatique et de deep learning pour les dispositifs d'edge
  • Techniques pour entraîner des modèles dans des environnements locaux et cloud
  • Optimisation des modèles pour le déploiement en périphérie (quantification, élagage, etc.)
  • Outils et frameworks pour le développement d'Edge AI (TensorFlow Lite, OpenVINO, etc.)

Déploiement de modèles d'IA sur les dispositifs d'edge

  • Étapes pour déployer des modèles d'IA sur divers matériels d'edge
  • Traitement des données en temps réel et inférence sur les dispositifs d'edge
  • Surveillance et gestion des modèles déployés
  • Exemples pratiques et études de cas

Solutions et projets d'IA pratiques

  • Développement d'applications d'IA pour dispositifs d'edge (par exemple : vision par ordinateur, traitement du langage naturel)
  • Projet pratique : Construction d'un système de caméra intelligente
  • Projet pratique : Implémentation de la reconnaissance vocale sur des dispositifs d'edge
  • Projets de groupe collaboratifs et scénarios réels

Évaluation des performances et optimisation

  • Techniques pour évaluer les performances des modèles sur les dispositifs d'edge
  • Outils pour la surveillance et le débogage des applications d'Edge AI
  • Stratégies pour optimiser les performances des modèles d'IA
  • Relever les défis liés à la latence et à la consommation d'énergie

Intégration avec les systèmes IoT

  • Connexion des solutions d'Edge AI avec les dispositifs et capteurs IoT
  • Protocoles de communication et méthodes d'échange de données
  • Construction d'une solution complète Edge AI et IoT de bout en bout
  • Exemples d'intégration pratiques

Considérations éthiques et de sécurité

  • Assurer la confidentialité et la sécurité des données dans les applications d'Edge AI
  • Aborder les biais et l'équité dans les modèles d'IA
  • Conformité aux réglementations et normes
  • Meilleures pratiques pour un déploiement responsable de l'IA

Projets et exercices pratiques

  • Développement d'une application Edge AI complète
  • Projets et scénarios du monde réel
  • Exercices de groupe collaboratifs
  • Présentations de projets et retours d'expérience

Pré requis

  • Compréhension des concepts d'IA et d'apprentissage automatique.
  • Expérience avec des langages de programmation (Python recommandé).
  • Familiarité avec les concepts de calcul en périphérie (edge computing).

Public cible

  • Développeurs
  • Scientifiques de données
  • Passionnés de technologie
 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (3)

Cours à venir

Catégories Similaires