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 sur appareil
- Fondamentaux de l'apprentissage automatique sur appareil
- Avantages et défis des petits modèles de langage
- Aperçu des contraintes matérielles sur les appareils mobiles et IoT
Optimisation des modèles pour le déploiement sur appareil
- Quantification et élagage des modèles
- Distillation de connaissances pour des modèles plus petits et efficaces
- Sélection et adaptation des modèles pour la performance sur appareil
Outils et frameworks d'IA spécifiques aux plateformes
- Introduction à TensorFlow Lite et PyTorch Mobile
- Utilisation de bibliothèques spécifiques à la plateforme pour l'IA sur appareil
- Stratégies de déploiement multiplateforme
Inférence en temps réel et edge computing
- Techniques pour une inférence rapide et efficace sur les appareils
- Exploitation de l'edge computing pour l'IA sur appareil
- Études de cas d'applications d'IA en temps réel
Gestion de l'énergie et considérations sur la durée de vie de la batterie
- Optimisation des applications d'IA pour l'efficacité énergétique
- Équilibre entre performance et consommation d'énergie
- Stratégies pour prolonger l'autonomie des appareils alimentés par l'IA
Sécurité et confidentialité dans l'IA sur appareil
- Garantie de la sécurité des données et de la confidentialité des utilisateurs
- Traitement des données sur l'appareil pour la préservation de la confidentialité
- Mises à jour et maintenance sécurisées des modèles
Expérience utilisateur et conception des interactions
- Conception d'interactions d'IA intuitives pour les utilisateurs d'appareils
- Intégration des modèles de langage avec les interfaces utilisateur
- Tests utilisateurs et retours d'expérience pour l'IA sur appareil
Évolutivité et maintenance
- Gestion et mise à jour des modèles sur les appareils déployés
- Stratégies pour des solutions d'IA sur appareil évolutives
- Surveillance et analyses pour les systèmes d'IA déployés
Projet et évaluation
- Développement d'un prototype dans un domaine choisi et préparation au déploiement sur un appareil sélectionné
- Présentation de la solution d'IA sur appareil
- Évaluation basée sur l'efficacité, l'innovation et le caractère pratique
Résumé et prochaines étapes
Pré requis
- Solides connaissances fondamentales en apprentissage automatique et en apprentissage profond
- Maîtrise de la programmation Python
- Connaissances de base sur les contraintes matérielles pour le déploiement de l'IA
Public cible
- Ingénieurs en apprentissage automatique et développeurs d'IA
- Ingénieurs en systèmes embarqués intéressés par les applications d'IA
- Chef de produit et responsables techniques supervisant des projets d'IA
21 Heures