Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction à l'IA sur appareil
- Principes fondamentaux de l'apprentissage automatique sur appareil
- Avantages et défis des petits modèles linguistiques
- Aperçu des contraintes matérielles des appareils mobiles et IoT
Optimisation des modèles pour le déploiement sur appareil
- Quantification et élagage des modèles
- Distillation des connaissances pour des modèles plus petits et efficaces
- Sélection et adaptation des modèles pour les performances sur l'appareil
Outils et cadres d'IA spécifiques aux plateformes
- Introduction à TensorFlow Lite et PyTorch Mobile
- Utilisation de bibliothèques spécifiques à une plateforme pour l'IA sur l'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'informatique de pointe pour l'IA sur appareil
- Études de cas d'applications d'IA en temps réel
Considérations relatives à l'alimentation Management et à la durée de vie de la batterie
- Optimisation des applications d'IA pour l'efficacité énergétique
- Équilibrer les performances et la consommation d'énergie
- Stratégies pour prolonger la durée de vie de la batterie des appareils alimentés par l'IA
Sécurité et protection de la vie privée dans l'IA embarquée
- Garantir la sécurité des données et la protection de la vie privée des utilisateurs
- Traitement des données sur l'appareil pour la préservation de la vie privée
- Mise à jour et maintenance sécurisées des modèles
Expérience utilisateur et conception des interactions
- Concevoir des interactions d'IA intuitives pour les utilisateurs d'appareils
- Intégration des modèles linguistiques dans les interfaces utilisateur
- Tests utilisateurs et retour d'information pour l'IA sur appareil
Scalabilité et maintenance
- Gestion et mise à jour des modèles sur les appareils déployés
- Stratégies pour des solutions d'IA sur appareil évolutives
- Surveillance et analyse des systèmes d'IA déployés
Projet et évaluation
- Développement d'un prototype dans un domaine choisi et préparation du déploiement sur un appareil sélectionné
- Présentation de la solution d'IA embarquée
- Évaluation basée sur l'efficacité, l'innovation et la praticité
Résumé et prochaines étapes
Pré requis
- Solides bases en apprentissage automatique et concepts d'apprentissage profond
- Maîtrise de la programmation Python.
- Connaissance de base des contraintes matérielles pour le déploiement de l'IA
Audience
- Ingénieurs en apprentissage automatique et développeurs en IA
- Ingénieurs en systèmes embarqués intéressés par les applications d'IA
- Chefs de produit et responsables techniques supervisant des projets d'IA
21 heures