Prenez contact avec nous

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

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires