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'Edge et à l'IA agentique
- Aperçu de l'IA agentique et du calcul edge
- Considérations sur la latence, la confidentialité et la bande passante
- Comparaison architecturale : agents cloud vs. edge
Conception d'architectures d'agents légères
- Découpage de la boucle d'agent pour les systèmes contraints
- Conception asynchrone pour un calcul efficace
- Équilibre entre autonomie et connectivité
Configuration de l'environnement de développement
- Installation de frameworks Python pour l'IA edge
- Configuration de TensorFlow Lite et PyTorch Mobile
- Déploiement d'environnements de test sur Raspberry Pi ou appareils similaires
Mise en œuvre de l'inférence sur appareil
- Conversion et quantification des modèles pour le déploiement edge
- Exécution de l'inférence avec TensorFlow Lite et ONNX Runtime
- Intégration des résultats d'inférence dans les boucles de décision de l'agent
Intégration des agents avec le matériel et l'IoT
- Connexion des capteurs, actionneurs et modules IoT
- Pipelines de collecte et de traitement de données locales
- Fonctionnement hors ligne et comportement déclenché par événements
Optimisation et surveillance
- Optimisation des performances pour une faible consommation d'énergie et une haute vitesse
- Techniques de mise en cache edge et de compression de modèles
- Surveillance et débogage des agents edge
Pratique : Déploiement d'un agent léger sur matériel edge
- Conception d'un petit agent autonome pour une tâche IoT ou robotique
- Mise en œuvre de l'inférence du modèle et de la logique locale
- Tests et optimisation pour la latence et la fiabilité
Résumé et prochaines étapes
Pré requis
- Expérience en programmation Python
- Compréhension de base des flux de travail d'apprentissage automatique
- Connaissance des concepts de calcul embarqué ou edge
Public
- Développeurs embarqués intégrant l'IA dans des systèmes matériels
- Ingénieurs Edge ML concevant des solutions d'inférence sur appareil
- Équipes robotique déployant l'IA agentique pour un fonctionnement autonome