Prenez contact avec nous

Plan du cours

Introduction à l'IA à faible consommation

  • Vue d'ensemble de l'IA dans les systèmes embarqués
  • Défis du déploiement de l'IA sur des appareils à faible puissance
  • Applications d'IA économes en énergie

Techniques d'optimisation des modèles

  • Quantification et son impact sur les performances
  • Élagage et partage des poids
  • Distillation de connaissances pour la simplification des modèles

Déploiement de modèles d'IA sur du matériel à faible consommation

  • Utilisation de TensorFlow Lite et ONNX Runtime pour l'IA en périphérie
  • Optimisation des modèles d'IA avec NVIDIA TensorRT
  • Accélération matérielle avec Coral TPU et Jetson Nano

Réduction de la consommation d'énergie dans les applications d'IA

  • Profilage de la puissance et métriques d'efficacité
  • Architectures de calcul à faible consommation
  • Mise à l'échelle dynamique de l'alimentation et techniques d'inférence adaptative

Études de cas et applications réelles

  • Dispositifs IoT sur batterie alimentés par l'IA
  • IA à faible consommation pour la santé et les objets connectés portables
  • Applications pour villes intelligentes et surveillance environnementale

Bonnes pratiques et tendances futures

  • Optimisation de l'IA en périphérie pour la durabilité
  • Avancées dans le matériel d'IA économe en énergie
  • Développement futurs dans la recherche sur l'IA à faible consommation

Résumé et prochaines étapes

Pré requis

  • Une compréhension des modèles d'apprentissage profond
  • De l'expérience avec les systèmes embarqués ou le déploiement de l'IA
  • Des connaissances de base en techniques d'optimisation des modèles

Public cible

  • Ingénieurs en IA
  • Développeurs embarqués
  • Ingénieurs matériels
 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires