Prenez contact avec nous

Plan du cours

Introduction à l'IA en périphérie dans les contextes industriels

  • Pourquoi l'informatique en périphérie est essentielle dans la fabrication
  • Comparaison avec l'IA basée sur le cloud
  • Cas d'utilisation dans la vision, la maintenance prédictive et le contrôle

Plateformes matériel et contraintes au niveau des appareils

  • Aperçu du matériel edge courant (Raspberry Pi, NVIDIA Jetson, Intel NUC)
  • Considérations relatives au traitement, à la mémoire et à l'alimentation
  • Sélection de la plateforme appropriée selon le type d'application

Développement et optimisation des modèles pour la périphérie

  • Techniques de compression, d'élagage et de quantification des modèles
  • Utilisation de TensorFlow Lite et ONNX pour le déploiement embarqué
  • Équilibrer précision et vitesse dans des environnements contraints

Vision par ordinateur et fusion de capteurs en périphérie

  • Inspection visuelle et surveillance en périphérie
  • Intégration des données provenant de multiples capteurs (vibration, température, caméras)
  • Détection d'anomalies en temps réel avec Edge Impulse

Communication et échange de données

  • Utilisation de MQTT pour la messagerie industrielle
  • Intégration avec les systèmes SCADA, OPC-UA et PLC
  • Sécurité et résilience des communications en périphérie

Déploiement et tests sur site

  • Conditionnement et déploiement des modèles sur les appareils en périphérie
  • Surveillance des performances et gestion des mises à jour
  • Étude de cas : boucle de décision en temps réel avec actionnement local

Mise à l'échelle et maintenance des systèmes d'IA en périphérie

  • Stratégies de gestion des appareils en périphérie
  • Mises à jour à distance et cycles de réentraînement des modèles
  • Considérations liées au cycle de vie pour un déploiement de qualité industrielle

Résumé et prochaines étapes

Pré requis

  • Une compréhension des systèmes embarqués ou des architectures IoT
  • Une expérience avec la programmation Python ou C/C++
  • Familiarité avec le développement de modèles d'apprentissage automatique

Public cible

  • Développeurs embarqués
  • Équipes IoT industrielles
 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires