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 en périphérie pour la vision par ordinateur
- Aperçu de l'IA en périphérie et de ses avantages
- Comparaison : IA dans le cloud vs IA en périphérie
- Défis clés dans le traitement d'images en temps réel
Déploiement de modèles d'apprentissage profond sur des appareils périphériques
- Introduction à TensorFlow Lite et OpenVINO
- Optimisation et quantification des modèles pour le déploiement en périphérie
- Étude de cas : exécution de YOLOv8 sur un appareil périphérique
Accélération matérielle pour l'inférence en temps réel
- Aperçu du matériel de calcul en périphérie (Jetson, Coral, FPGA)
- Exploitation de l'accélération GPU et TPU
- Étalonnage (benchmarking) et évaluation des performances
Détection et suivi d'objets en temps réel
- Mise en œuvre de la détection d'objets avec des modèles YOLO
- Suivi des objets en mouvement en temps réel
- Amélioration de la précision de détection par fusion de capteurs
Techniques d'optimisation pour l'IA en périphérie
- Réduction de la taille des modèles par élagage (pruning) et quantification
- Techniques de réduction de la latence et de la consommation d'énergie
- Réentraînement et affinement des modèles d'IA en périphérie
Intégration de l'IA en périphérie avec les systèmes IoT
- Déploiement de modèles d'IA sur des caméras intelligentes et des appareils IoT
- IA en périphérie et prise de décision en temps réel
- Communication entre les appareils périphériques et les systèmes cloud
Considérations en matière de sécurité et d'éthique dans l'IA en périphérie
- Préoccupations liées à la confidentialité des données dans les applications d'IA en périphérie
- Garantie de la sécurité des modèles contre les attaques adverses
- Conformité aux réglementations sur l'IA et aux principes d'une IA éthique
Résumé et prochaines étapes
Pré requis
- Familiarité avec les concepts de la vision par ordinateur
- Expérience avec Python et les frameworks d'apprentissage profond
- Connaissances de base en informatique en périphérie (edge computing) et en appareils IoT
Public visé
- Ingénieurs en vision par ordinateur
- Développeurs d'IA
- Professionnels de l'IoT
21 Heures
Nos clients témoignent (1)
Nous pouvons aborder des sujets avancés et travailler avec des exemples concrets.
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Formation - Advanced Edge AI Techniques
Traduction automatique