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 et au TinyML
- Vue d'ensemble de l'IA au bord du réseau
- Avantages et défis de l'exécution de l'IA sur les appareils
- Cas d'usage en robotique et en automatisation
Fondamentaux du TinyML
- Machine learning pour les systèmes à ressources limitées
- Quantification, élagage et compression des modèles
- Frameworks et plateformes matérielles pris en charge
Développement et conversion de modèles
- Entraînement de modèles légers à l'aide de TensorFlow ou PyTorch
- Conversion des modèles vers TensorFlow Lite et PyTorch Mobile
- Test et validation de la précision des modèles
Mise en œuvre de l'inférence sur l'appareil
- Déploiement de modèles d'IA sur des cartes embarquées (Arduino, Raspberry Pi, Jetson Nano)
- Intégration de l'inférence avec la perception et le contrôle robotique
- Exécution de prédictions en temps réel et surveillance des performances
Optimisation pour les performances Edge
- Réduction de la latence et de la consommation d'énergie
- Accélération matérielle à l'aide de NPU et GPU
- Benchmarking et profilage de l'inférence embarquée
Frameworks et outils Edge AI
- Travail avec TensorFlow Lite et Edge Impulse
- Exploration des options de déploiement de PyTorch Mobile
- Débogage et ajustement des flux de travail de ML embarqués
Intégration pratique et études de cas
- Conception de systèmes de perception Edge AI pour robots
- Intégration du TinyML avec les architectures robotiques basées sur ROS
- Études de cas : navigation autonome, détection d'objets, maintenance prédictive
Synthèse et prochaines étapes
Pré requis
- Une compréhension des systèmes embarqués
- Une expérience en programmation Python ou C++
- Une familiarité avec les concepts de base du machine learning
Public cible
- Développeurs embarqués
- Ingénieurs robotique
- Intégrateurs de systèmes travaillant sur des dispositifs intelligents
21 Heures
Nos clients témoignent (2)
Fourniture des matériels (machine virtuelle) pour passer directement aux exercices, et explication des fondamentaux de ROS2. Comprendre pourquoi les choses fonctionnent d'une manière particulière.
Arjan Bakema
Formation - Autonomous Navigation & SLAM with ROS 2
Traduction automatique
ses connaissances et son utilisation de l'IA pour la robotique dans le futur.
Ryle - PHILIPPINE MILITARY ACADEMY
Formation - Artificial Intelligence (AI) for Robotics
Traduction automatique