Prenez contact avec nous

Plan du cours

Introduction à l'IA en périphérie et à Nano Banana

  • Caractéristiques clés des charges de travail d'IA en périphérie
  • Architecture et fonctionnalités de Nano Banana
  • Comparaison des stratégies de déploiement en périphérie versus dans le cloud

Préparation des modèles pour le déploiement en périphérie

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

Techniques de compression des modèles

  • Stratégies d'élagage et sparsité structurelle
  • Partage des poids et réduction des paramètres
  • Évaluation de l'impact de la compression

Quantification pour les performances en périphérie

  • Méthodes de quantification post-entraînement
  • Workflows d'entraînement-aware quantization
  • Approches INT8, FP16 et précision mixte

Accélération avec Nano Banana

  • Utilisation des accélérateurs Nano Banana
  • Intégration d'ONNX et des backends matériels
  • Mesure des performances d'inférence accélérée

Déploiement sur les appareils en périphérie

  • Intégration des modèles dans des applications embarquées ou mobiles
  • Configuration et surveillance du runtime
  • Résolution des problèmes de déploiement

Profilage des performances et analyse des compromis

  • Contraintes liées à la latence, au débit et à la thermique
  • Compromis entre précision et performance
  • Stratégies d'optimisation itérative

Bonnes pratiques pour la maintenance des systèmes d'IA en périphérie

  • Gestion des versions et mises à jour continues
  • Réversions des modèles et gestion de la compatibilité
  • Considérations relatives à la sécurité et à l'intégrité

Résumé et prochaines étapes

Pré requis

  • Connaissance des workflows de l'apprentissage machine
  • Expérience dans le développement de modèles basés sur Python
  • Familiarité avec les architectures de réseaux neuronaux

Public visé

  • Ingénieurs en apprentissage machine
  • Scientifiques des données
  • Professionnels MLOps
 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires