Plan du cours

Introduction à l'IA sur Périphérique

  • Fondements de l'apprentissage machine sur périphérique
  • Avantages et défis des petits modèles linguistiques
  • Vue d'ensemble des contraintes matérielles dans les appareils mobiles et IoT

Optimisation du Modèle pour le Déploiement sur Périphérique

  • Quantification et élagage des modèles
  • Distillation de connaissances pour des modèles plus petits et efficaces
  • Sélection et adaptation des modèles pour les performances sur périphérique

Outils et Cadres Spécifiques aux Plateformes IA

  • Introduction à TensorFlow Lite et PyTorch Mobile
  • Utilisation des bibliothèques spécifiques aux plateformes pour l'IA sur périphérique
  • Stratégies de déploiement multi-plateforme

Inférence en Temps Réel et Calcul Edge

  • Techniques pour une inférence rapide et efficace sur les appareils
  • Utilisation du calcul edge pour l'IA sur périphérique
  • Études de cas d'applications IA en temps réel

Gestion de la Puissance et des Considérations Relatives à la Durée de Vie de la Batterie

  • Optimisation des applications IA pour l'efficacité énergétique
  • Équilibre entre les performances et la consommation d'énergie
  • Stratégies pour prolonger la durée de vie de la batterie dans les appareils alimentés par l'IA

Sécurité et Confidentialité dans l'IA sur Périphérique

  • Garantir la sécurité des données et la confidentialité de l'utilisateur
  • Traitement des données sur périphérique pour préserver la confidentialité
  • Mises à jour sécurisées et maintenance du modèle

Expérience Utilisateur et Conception de l'Interaction

  • Conception d'interactions intuitives avec l'IA pour les utilisateurs des appareils
  • Intégration des modèles linguistiques aux interfaces utilisateur
  • Tests et feedback de l'utilisateur pour l'IA sur périphérique

Scalabilité et Maintenance

  • Gestion et mise à jour des modèles sur les appareils déployés
  • Stratégies pour des solutions d'IA sur périphérique évoluées
  • Surveillance et analyse des systèmes IA déployés

Projet et Évaluation

  • Développer un prototype dans un domaine choisi et préparer le déploiement sur un appareil sélectionné
  • Présentation de la solution d'IA sur périphérique
  • Évaluation basée sur l'efficacité, l'innovation et la praticabilité

Récapitulation et Prochaines Étapes

Pré requis

  • Solide fondation en concepts d'apprentissage automatique et d'apprentissage profond
  • Maîtrise de la programmation Python
  • Connaissance de base des contraintes matérielles pour le déploiement de l'IA

Public cible

  • Ingénieurs en apprentissage automatique et développeurs IA
  • Ingénieurs des systèmes embarqués intéressés par les applications d'IA
  • Directeurs de produit et chefs techniques supervisant des projets IA
 21 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires