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'IA embarquée dans les environnements industriels
- Pourquoi le calcul à la périphérie (edge computing) est important dans la fabrication
- Comparaison avec l'IA basée sur le cloud
- Cas d'usage en vision par ordinateur, maintenance prédictive et contrôle
Plateformes matérielles et contraintes au niveau de l'appareil
- Présentation des matériels embarqués courants (Raspberry Pi, NVIDIA Jetson, Intel NUC)
- Considérations sur le traitement, la mémoire et l'alimentation
- Sélection de la bonne plateforme en fonction du type d'application
Développement et optimisation des modèles pour l'embarqué
- Techniques de compression, d'élagage (pruning) et de quantification des modèles
- Utilisation de TensorFlow Lite et ONNX pour le déploiement embarqué
- Équilibrage entre précision et vitesse dans des environnements contraints
Vision par ordinateur et fusion de capteurs à la périphérie
- Inspection et surveillance visuelle à la 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 le messagerie industrielle
- Intégration avec les systèmes SCADA, OPC-UA et PLC
- Sécurité et résilience des communications à la périphérie
Déploiement et tests sur site
- Packaging et déploiement des modèles sur les appareils embarqués
- 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 embarquée
- Stratégies de gestion des appareils embarqués
- Mises à jour à distance et cycles de réentraînement des modèles
- Considérations de cycle de vie pour un déploiement de grade industriel
Résumé et prochaines étapes
Pré requis
- Une bonne compréhension des systèmes embarqués ou des architectures IoT
- De l'expérience en programmation Python ou C/C++
- Une familiarité avec le développement de modèles d'apprentissage automatique
Public cible
- Développeurs embarqués
- Équipes IoT industrielles
21 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