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.
Durée 21 heures
Plan du cours
Introduction à l’IA de bout en bout et au TinyML
- Vue d’ensemble de l’IA au niveau du bord (edge)
- Avantages et défis de l’exécution de l’IA sur les appareils
- Cas d’usage en robotique et en automatisation
Fondamentaux du TinyML
- Apprentissage automatique pour 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 avec TensorFlow ou PyTorch
- Conversion des modèles en TensorFlow Lite et PyTorch Mobile
- Test et validation de la précision des modèles
Mise en œuvre de l’inférence locale
- Déploiement des modèles d’IA sur cartes embarquées (Arduino, Raspberry Pi, Jetson Nano)
- Intégration de l’inférence avec la perception et le contrôle robotique
- Exécution de prédictions en temps réel et suivi des performances
Optimisation pour les performances de bout en bout
- Réduction de la latence et de la consommation d’énergie
- Accélération matérielle à l’aide de NPU et GPU
- Évaluation de référence (benchmarking) et profilage de l’inférence embarquée
Frameworks et outils d’IA de bout en bout
- Travail avec TensorFlow Lite et Edge Impulse
- Exploration des options de déploiement avec PyTorch Mobile
- Débogage et réglage des flux de travail ML embarqués
Intégration pratique et études de cas
- Conception de systèmes de perception IA de bout en bout pour robots
- Intégration du TinyML avec les architectures robotiques basées sur ROS
- Études de cas : navigation autonome, détection d’objets, maintenance prédictive
Résumé et prochaines étapes
Pré requis
- Compréhension des systèmes embarqués
- Expérience en programmation Python ou C++
- Connaissance des concepts fondamentaux de l’apprentissage automatique
Public cible
- Développeurs embarqués
- Ingénieurs en robotique
- Intégrateurs de systèmes travaillant sur des appareils intelligents
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