Plan du cours
Introduction à l'optimisation de l'IA aux bords
- Aperçu de l'IA aux bords et de ses défis
- Importance de l'optimisation des modèles pour les appareils aux bords
- Études de cas d'applications aux bords avec des modèles IA optimisés
Techniques de compression de modèles
- Introduction à la compression de modèles
- Techniques pour réduire la taille du modèle
- Exercices pratiques de compression de modèles
Méthodes de quantification
- Aperçu de la quantification et de ses avantages
- Types de quantification (quantification post-formation, formation sensible à la quantification)
- Exercices pratiques de quantification des modèles
Élagage et autres techniques d'optimisation
- Introduction à l'élagage
- Méthodes pour élaguer les modèles IA
- Autres techniques d'optimisation (par exemple, distillation de connaissances)
- Exercices pratiques d'élagage et d'optimisation des modèles
Déploiement de modèles optimisés sur les appareils aux bords
- Préparation de l'environnement de l'appareil aux bords
- Déploiement et test des modèles optimisés
- Résolution des problèmes de déploiement
- Exercices pratiques de déploiement des modèles
Outils et frameworks pour l'optimisation
- Aperçu des outils et frameworks (par exemple, TensorFlow Lite, ONNX)
- Utilisation de TensorFlow Lite pour optimiser les modèles
- Exercices pratiques avec des outils d'optimisation
Applications réelles et études de cas
- Revue de projets réussis d'optimisation de l'IA aux bords
- Discussion sur les cas d'utilisation spécifiques à l'industrie
- Projet pratique pour concevoir et optimiser une application réelle
Résumé et prochaines étapes
Pré requis
- Une compréhension des concepts de l'IA et de l'apprentissage automatique
- Expérience dans le développement de modèles IA
- Compétences de programmation de base (Python recommandé)
Public cible
- Développeurs d'IA
- Ingénieurs en apprentissage automatique
- Architectes de systèmes
Nos clients témoignent (2)
Offrir à ceux qui n'ont jamais utilisé l'IA une initiation aux bases de la formulation de requêtes, et inviter les utilisateurs expérimentés à explorer des méthodes alternatives pour l'employer.
Matthew Gay - Tarsus Pharmaceuticals
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
