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
Nos clients témoignent (3)
J'ai vraiment aimé la fin où nous avons pris le temps de jouer avec CHAT GPT. La salle n'était pas très bien organisée pour cela - au lieu d'une grande table, quelques petites tables auraient été préférables afin que nous puissions travailler en petits groupes et brainstormer.
Nola - Laramie County Community College
Formation - Artificial Intelligence (AI) Overview
Traduction automatique
Travailler à partir des principes fondamentaux de manière concentrée, puis passer à l'application d'études de cas le même jour
Maggie Webb - Department of Jobs, Regions, and Precincts
Formation - Artificial Neural Networks, Machine Learning, Deep Thinking
Traduction automatique
Qu'il utilisait des données réelles d'entreprise. Le formateur avait une très bonne approche en faisant participer et concourir les stagiaires
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Formation - Applied AI from Scratch in Python
Traduction automatique