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
- 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