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 et à TinyML
- Aperçu de l'IA à la périphérie
- Avantages et défis de l'exécution de l'IA sur les appareils
- Cas d'utilisation en robotique et automatisation
Fondamentaux de TinyML
- Apprentissage automatique pour les systèmes à ressources limitées
- Quantification, élagage et compression de modèles
- Frameworks et plateformes matérielles pris en charge
Développement et conversion de modèles
- Entraînement de modèles légers utilisant TensorFlow ou PyTorch
- Conversion de modèles vers TensorFlow Lite et PyTorch Mobile
- Tests et validation de la précision des modèles
Mise en œuvre de l'inférence sur appareil
- Déploiement de modèles d'IA sur des cartes embarquées (Arduino, Raspberry Pi, Jetson Nano)
- Intégration de l'inférence avec la perception et le contrôle robotiques
- Exécution de prédictions en temps réel et surveillance des performances
Optimisation pour la performance Edge
- Réduction de la latence et de la consommation d'énergie
- Accélération matérielle utilisant des NPUs et des GPUs
- Étalonnage et profilage de l'inférence embarquée
Frameworks et outils Edge AI
- Travail avec TensorFlow Lite et Edge Impulse
- Exploration des options de déploiement de PyTorch Mobile
- Débogage et réglage des flux de travail d'apprentissage machine embarqué
Intégration pratique et études de cas
- Conception de systèmes de perception Edge AI pour les robots
- Intégration de TinyML avec des architectures robotiques basées sur ROS
- Études de cas : navigation autonome, détection d'objets, maintenance prédictive
Résumé et prochaines étapes
Pré requis
- Une compréhension des systèmes embarqués
- Expérience avec la programmation Python ou C++
- Connaissance des concepts de base de l'apprentissage automatique
Public cible
- Développeurs embarqués
- Ingénieurs en robotique
- Intégrateurs système travaillant sur des appareils intelligents
21 Heures
Nos clients témoignent (2)
Fourniture des matériels (machine virtuelle) pour passer directement aux exercices, et explication des fondamentaux de ROS2. Comprendre pourquoi les choses fonctionnent d'une manière particulière.
Arjan Bakema
Formation - Autonomous Navigation & SLAM with ROS 2
Traduction automatique
ses connaissances et son utilisation de l'IA pour la robotique dans le futur.
Ryle - PHILIPPINE MILITARY ACADEMY
Formation - Artificial Intelligence (AI) for Robotics
Traduction automatique