Prenez contact avec nous

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

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires