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
- Définition et concepts clés.
- Différences entre l'Edge AI et le Cloud AI.
- Avantages et défis de l'Edge AI.
- Aperçu des applications de l'Edge AI.
Architecture de l'Edge AI
- Composants des systèmes Edge AI.
- Matériel et exigences logicielles.
- Flux de données dans les applications Edge AI.
- Intégration avec les systèmes existants.
Configuration de l'environnement Edge AI
- Introduction aux plateformes Edge AI (Raspberry Pi, NVIDIA Jetson, etc.).
- Installation des logiciels et bibliothèques nécessaires.
- Configuration de l'environnement de développement.
- Initialisation de la configuration Edge AI.
Développement des modèles Edge AI
- Aperçu des modèles d'apprentissage automatique et d'apprentissage profond pour les appareils en périphérie.
- Entraînement des modèles spécifiquement pour le déploiement en périphérie.
- Techniques d'optimisation des modèles pour les appareils en périphérie.
- Outils et frameworks de développement Edge AI (TensorFlow Lite, OpenVINO, etc.).
Gestion des données et prétraitement pour l'Edge AI
- Techniques de collecte des données pour les environnements en périphérie.
- Prétraitement et augmentation des données pour les appareils en périphérie.
- Gestion des pipelines de données sur les appareils en périphérie.
- Assurer la confidentialité et la sécurité des données dans les environnements en périphérie.
Déploiement des applications Edge AI
- Étapes pour déployer des modèles sur divers appareils en périphérie.
- Techniques de surveillance et de gestion des modèles déployés.
- Traitement des données en temps réel et inférence sur les appareils en périphérie.
- Études de cas et exemples pratiques de déploiement.
Intégration de l'Edge AI avec les systèmes IoT
- Connexion des solutions Edge AI aux appareils IoT et aux capteurs.
- Protocoles de communication et méthodes d'échange de données.
- Construction d'une solution Edge AI et IoT de bout en bout.
- Exemples pratiques et cas d'utilisation.
Cas d'utilisation et applications
- Applications spécifiques à l'industrie de l'Edge AI.
- Études de cas approfondies dans la santé, l'automobile et les maisons intelligentes.
- Histoires de réussite et leçons apprises.
- Tendances futures et opportunités dans l'Edge AI.
Considérations éthiques et bonnes pratiques
- Assurer la confidentialité et la sécurité des déploiements Edge AI.
- Aborder les biais et l'équité dans les modèles Edge AI.
- Conformité aux réglementations et aux normes.
- Bonnes pratiques pour un déploiement responsable de l'IA.
Projets pratiques et exercices
- Développement d'une application Edge AI complexe.
- Projets et scénarios réels.
- Exercices collaboratifs en groupe.
- Présentations de projet et retours d'expérience.
Synthèse et prochaines étapes
Pré requis
- Une compréhension des concepts de base de l'IA et de l'apprentissage automatique.
- Une expérience avec des langages de programmation (Python est recommandé).
- Une familiarité avec les concepts de l'informatique en périphérie (Edge computing) et de l'IoT.
Public visé
- Développeurs.
- Professionnels de l'informatique.
14 Heures
Nos clients témoignent (1)
Nous pouvons aborder des sujets avancés et travailler avec des exemples concrets.
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Formation - Advanced Edge AI Techniques
Traduction automatique