Prenez contact avec nous
 Durée 14 heures

Plan du cours

Introduction à l'IA de bord et à Nano Banana

  • Caractéristiques clés des charges de travail IA de bord
  • Architecture et capacités de Nano Banana
  • Comparaison des stratégies de déploiement bord vs cloud

Préparation des modèles pour le déploiement sur le bord

  • Sélection des modèles et évaluation de base
  • Considérations relatives aux dépendances et à la compatibilité
  • Exportation des modèles pour une optimisation supplémentaire

Techniques de compression des modèles

  • Stratégies de taille (pruning) et parcimonie structurelle
  • Partage de poids et réduction des paramètres
  • Évaluation des impacts de la compression

Quantisation pour les performances de bord

  • Méthodes de quantisation après entraînement
  • Flux de travail d'entraînement tenant compte de la quantisation
  • Approches INT8, FP16 et à précision mixte

Accélération avec Nano Banana

  • Utilisation des accélérateurs Nano Banana
  • Intégration d'ONNX et des backends matériels
  • Évaluation comparative (benchmarking) de l'inférence accélérée

Déploiement sur les appareils de bord

  • Intégration des modèles dans des applications embarquées ou mobiles
  • Configuration et surveillance à l'exécution
  • Dépannage des problèmes de déploiement

Profilage des performances et analyse des compromis

  • Latence, débit (throughput) et contraintes thermiques
  • Compromis entre précision et performance
  • Stratégies d'optimisation itératives

Meilleures pratiques pour le maintien des systèmes d'IA de bord

  • Versionnage et mises à jour continues
  • Recul (rollback) des modèles et gestion de la compatibilité
  • Considérations relatives à la sécurité et à l'intégrité

Synthèse et prochaines étapes

Pré requis

  • Une compréhension des flux de travail du machine learning
  • Une expérience du développement de modèles basés sur Python
  • Une familiarité avec les architectures de réseaux de neurones

Public cible

  • Ingénieurs en machine learning
  • Scientifiques des données
  • Praticiens MLOps

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires